基于平方根容积卡尔曼滤波的永磁同步电机状态估计

针对使用容积卡尔曼滤波算法(Cubature Kalman Filter, CKF)在复杂非线性状态估计时存在的误差较大、运算速度慢等问题,引入一款改进后的平方根容积卡尔曼滤波算法(Square-Root Cubature Kalman Filter, SRCKF)。建立非线性系统线性化模型和电机数学模型,引入SRCKF实现对转速和转子位置的状态估计,在Matlab/Simulink环境下对SRCKF和CKF两种算法进行仿真。结果表明：平方根容积卡尔曼滤波大大降低了电机在状态估计时的运行速度和估计误差,提高了估计精度,系统更加稳定。     

基于CKF-SLAM改进的无人水下航行器动态目标跟踪算法研究

针对容积卡尔曼滤波(cubature Kalman filter, CKF)同步定位与建图(simultaneous localization and mapping, SLAM)算法在动态目标跟踪(object tracking, OT)的应用中,存在算法实时性不高、计算复杂以及对动态目标物跟踪精度较低的问题,提出基于平方根容积卡尔曼滤波SLAM的无人水下航行器(unmanned underwater Vehicle, UUV)目标跟踪算法(SRCKF-SLAM-OT).该算法将CKF-SLAM-OT中复杂的计算部分,利用3阶容积准则选取一组相同权值的容积点来近似计算,再利用数值积分法计算非线性方程模型的后验状态估计平均值和方差,并对协方差矩阵的平方根因子进行更新.仿真结果表明：SRCKF-SLAM-OT算法简化了计算量和改善了数值精度,提高了UUV在未知水下环境中自身定位的精度和动态目标物跟踪的能力.     

自适应CS模型的强跟踪平方根容积卡尔曼滤波算法

对于目标跟踪过程中的强机动问题,基于当前统计(current statistical, CS)模型和改进的强跟踪平方根容积卡尔曼滤波器(square root cubature Kalman filter, SCKF),提出新的跟踪算法。在CS模型和改进输入估计算法的基础上,引入加加速度估计,使得状态过程噪声与状态协方差矩阵相联系,实现模型的自适应调整。从正交性原理出发,重新确定了渐消因子的引入位置,并提出了新的渐消因子计算形式,以克服传统渐消因子在雷达量测坐标系中的失效问题,从而构造强跟踪平方根容积卡尔曼滤波器。另外,构造强机动检测函数,利用SCKF的输出来调整自适应CS模型中的机动频率。仿真结果表明,相比基于CS模型的多重渐消因子强跟踪SCKF算法、改进CS模型的强跟踪SCKF(SCKF STF)算法和交互式多模型(interacting multiple model, IMM)SCKF算法,所提算法具有更佳的目标机动适应性和跟踪精度;相比于IMM SCKF算法,实时性有明显改善。     

记忆的奇迹

知道5476的平方根是多少吗?知道287的正弦是多少吗?心算大王鲁迪格尔·加姆能在几秒钟的时间内给出答案。这个德国青年经常到电视台作表演,大家看他的心算表演就像看魔术:这太神奇了,这小子简直是天才!据《纽约时报》报道,鲁迪格尔在学校的时候其实并不怎么出色,到20岁的时候才     

集合平方根滤波同化AMSU-A辐射率的观测系统模拟试验

借助观测系统模拟试验,针对晴天和有降水两种天气状况,探究用集合平方根滤波同化卫星辐射率资料来改进中尺度天气预报模式初始场的可行性.试验结果表明:在晴天条件下,同化后的分析场较同化前背景场更加接近于真实场,尤其是对所选AMSU-A第5通道辐射率观测值贡献较大的那些层,如500,700,800 hPa3层位温的分析场相对背景场均方根误差分别减小了26%,15%和42%,同化效果显著.在有降水天气状况下,试验结果在特定的高度层上也表现出一定的正贡献,但总体而言对各气象要素场的改善均不及晴天时明显,说明该种天气类型下的卫星资料同化还有待进一步的研究.     

基于双平方根算子的保幅角度域成像

建立基于双平方根算子的保幅叠前深度偏移与地下人射角度的关系,应用单程波双平方根方程的保幅波动方程叠前深度偏移输出角度域共成像点道集及相应的成像结果,为后续的偏移速度分析和振幅分析提供可靠的数据.取代相对耗时的倾斜叠加法,应用基于精确投影的快速插值映射法抽取保幅角度域共成像道集.结果表明:基于双平方根求取偏移距域道集比基于单平方根方程更为方便直观,也更适合于角度域成像;保幅角度域偏移采用的成像条件不仅可以有效地补偿振幅和改善成像结果,而且克服传统炮域单程波保幅偏移中反褶积型成像条件的不稳定性.理论模型数据和实际资料试算结果进一步证明了所提角度域保幅偏移理论和算法的正确性和有效性.     

基于双平方根算子叠前深度偏移成像技术的结构损伤成像与探测

介绍一种基于双平方根算子的叠前深度偏移方法用于结构损伤探测.首先推导上行波传播时间(走时)的全微分表达式,推导在频率波数域和频率空间域中,用源点和接收点坐标表示的双平方根算子波动方程.然后,用频率空间域的有限差分法及混合法进行双平方根算子的波场外推,推导关于炮点和检波点的差分方程,以及双平方根算子混合法波场外推公式.最后,用Marmousi数据体对结构损伤进行偏移成像.根据双程波动方程分析该方法的数值频散性、奇异性以及波场、位移、振幅、能量、动应力集中系数等力学特征,计算得到波场快照图和剖面图,达到对结构损伤成像的目的.数值算例证明了这种方法的适用性.     

基于粒子群算法和平方根平淡卡尔曼滤波的北斗导航系统定位估计算法

为提高北斗定位系统(BDS)的估计精度,克服传统平淡卡尔曼滤波(UKF)算法中可能因状态量协方差矩阵失去正定性而导致滤波器发散的问题,将平方根平淡卡尔曼滤波(SRUKF)算法应用于BDS定位估计.在此基础上,为进一步提高SRUKF算法的性能,引入粒子群优化(PSO)算法,提出基于PSO和SRUKF算法的BDS定位估计(PSO-SRUKF)算法.结果表明,PSO-SRUKF算法可以降低系统噪声和测量噪声特性估计不准确带来的误差,有效提高了BDS定位精度和稳定性.     

基于Sage-Husa算法的自适应平方根CKF目标跟踪方法

在目标跟踪中,噪声的统计特性未知可能会引起滤波精度下降甚至发散,针对该问题,提出了一种新的自适应平方根容积卡尔曼滤波算法。所提方法在常规Sage-Husa算法的基础上采用容积规则,推导出了一种适用于非线性系统的自适应噪声统计估计器。仿真结果显示,相对于标准的平方根容积卡尔曼,所提方法在噪声统计特性未知或时变的情况下滤波精度有显著提高。