一种新的卫星钟差Kalman滤波噪声协方差估计方法

采用Kalman滤波方法进行钟差参数计算和预报时, 需确定Kalman滤波噪声协方差矩阵. 针对这一问题, 提出了一种新的卫星钟差Kalman滤波噪声协方差估计方法, 通过建立新息的相关函数序列与未知的噪声参数间的线性函数模型, 采用最小二乘法进行噪声参数估计. 采用精密钟差数据进行钟差参数估计和预报分析, 结果表明, 该方法具有较好的收敛性, 并与顾及随机噪声模型的开窗分类因子自适应抗差估计方法进行对比分析, 验证了新方法的正确性和有效性.     

Infrared/laser multi-sensor fusion and tracking based on the multi-scale model

The state estimation problem of targets detected by infrared/laser composite detection system with different sampling rates was studied in this paper. An effective state estimation algorithm based on data fusion is presented. Because sampling rate of infrared detection system is much higher than that of the laser detection system, the theory of multi-scale analysis is used to establish multi-scale model in this algorithm. At the fine scale, angle information provided by infrared detection system is used to estimate the target state through the unscented Kalman filter. It makes full use of the high frequency characteristic of infrared detection system to improve target state estimation accuracy. At the coarse scale, due to the sampling ratio of infrared and laser detection systems is an integer multiple, the angle information can be fused directly with the distance information of laser detection system to determine the target location. The fused information is served as observation, while the converted measurement Kalman filter (CMKF) is used to estimate the target state, which greatly reduces the complexity of filtering process and gets the optimal fusion estimation. The simulation results of tracking a target in 3-D space by infrared and laser detection systems demonstrate that the proposed algorithm in this paper is efficient and can obtain better performance than traditional algorithm.     

基于预估测量值的EKF在手臂测姿中的应用

针对载体线性加速度以及周围局部磁干扰对姿态测量精度的影响,基于已有的惯性测量单元,设计了一个基于四元数的实时估计手臂姿态的扩展卡尔曼滤波器(EKF)。提出利用四元数引入加速计和磁强计的预估测量值构造自适应测量噪声协方差阵的方法,结合QUEST算法,来判定姿态角解算对陀螺仪、加速计和磁强计输出信息的依赖程度,以此来提高测量精度。文末通过实验仿真对该方法进行了验证,并对实验结果和电磁跟踪系统采集到的数据进行了比较,结果表明,本文提出的方法能显著提高手臂姿态测量精度,可有效满足应用要求。     

类GPS超声定位系统中自主导引小车动态定位算法

针对自主导引小车(AGV)常规超声波局部定位系统的缺陷,提出了类GPS超声定位系统并阐述了其工作原理。研究了小车动态情况下与定位基站的距离估计问题,在获得AGV与定位基站的观测距离后可通过Gauss-Newton迭代定位算法获得小车空间位置的粗估计值。仿真结果表明,将上述获得的粗估计值序列经过卡尔曼滤波器进一步处理后,可提高AGV动态定位精度和速度的估计精度。     

基于Huber的高阶容积卡尔曼跟踪算法

为改善高阶容积卡尔曼滤波算法的滤波精度和鲁棒性, 提出了一种新的基于Huber的高阶容积卡尔曼滤波算法. 在采用统计线性回归模型近似非线性量测模型的基础上, 利用Huber M 估计算法实现状态的量测更新. 进一步结合高阶球面-径向容积准则的状态预测模块构成基于 Huber的高阶容积卡尔曼跟踪算法. 重点分析了Huber代价函数的调节因子对算法跟踪性能的影响. 通过对纯方位目标跟踪和再入飞行器跟踪两个实例验证了所提算法的跟踪性能优于传统高阶容积卡尔曼滤波算法.     

小波网络辅助卡尔曼滤波的捷联惯导传递对准

初始对准精度是捷联惯导系统的主要误差来源之一。针对舰载机捷联惯导的传递对准模型准确建模困难,且测量噪声和过程噪声随舰船动态而变化,这样就会降低滤波的精度,卡尔曼滤波有一定的局限性,提出了将小波神经网络辅助卡尔曼滤波器用于惯导系统的传递对准。把能直接影响卡尔曼滤波估计误差的参数作为网络的输入,进过样本训练后,把网络的输出与经过卡尔曼滤波得到的结果相加,实现了捷联惯导的传递对准的滤波功能。这种新算法在实际应用中的非线性情况下优于传统卡尔曼滤波方法。仿真结果表明了其实用性和有效性。     

Adaptive Kalman filter based state of charge estimation algorithm for lithium-ion battery

In order to improve the accuracy of the battery state of charge(SOC) estimation, in this paper we take a lithiumion battery as an example to study the adaptive Kalman filter based SOC estimation algorithm. Firstly, the second-order battery system model is introduced. Meanwhile, the temperature and charge rate are introduced into the model. Then, the temperature and the charge rate are adopted to estimate the battery SOC, with the help of the parameters of an adaptive Kalman filter based estimation algorithm model. Afterwards, it is verified by the numerical simulation that in the ideal case, the accuracy of SOC estimation can be enhanced by adding two elements, namely, the temperature and charge rate.Finally, the actual road conditions are simulated with ADVISOR, and the simulation results show that the proposed method improves the accuracy of battery SOC estimation under actual road conditions. Thus, its application scope in engineering is greatly expanded.     

基于自适应SRUKF的无人机位姿预测方法

针对无人机自主导航的实时性差、精度低且对时变噪声的鲁棒性弱的问题，建立了机器视觉和惯性导航相融合的组合导航系统，并提出了一种自适应平方根无迹卡尔曼滤波(adaptive square-root unscented kalman filter, ASRUKF)算法。该算法通过观测值与估计值残差的Mahalanobis距离时刻修正系统噪声协方差，再与采用最小偏度采样的SRUKF算法相融合，从而达到时变噪声自适应抑制，滤波快速且对噪声鲁棒性高的效果。仿真结果表明，相比标准SRUKF，ASRUKF计算耗时减少约38.8%，位移、速度和姿态角预测精度分别提高超过4倍和6倍，且对于时变噪声鲁棒性更强。     

AR模型辅助SINS／GPS组合导航的实验研究

激光陀螺的随机漂移噪声类似于白噪声,可以采用AR（2）模型进行数字滤波来减小其对激光陀螺精度的影响。首先介绍了AR模型,然后利用IMU单元三组陀螺信号的AR（2）模型给出了车载SINS／GPS组合导航系统误差模型,并在GPS的辅助下,对SINS／GPS组合导航进行了实验研究。最后利用Kalman滤波器对车载SINs／GPS组合导航实际测量数据进行了离线的半实物仿真。实验结果表明,采用AR（2）模型辅助的SINS／GPS组合导航系统能够得到较高的姿态精度,并能有效抑制速度误差的发散。     

一种星敏感器主点和焦距的加权在轨标定方法

星敏感器作为卫星姿态测量装置,其在轨服役过程中,主点和焦距的标定精度是影响其姿态输出精度的主要因素。针对标定过程中含有随机测量噪声偏大的星像点,导致星敏感器主点和焦距的标定结果产生较大偏差的问题,提出了一种星敏感器主点和焦距的加权在轨标定方法。该方法首先建立了星敏感器在轨标定模型,然后引入合理的标定权值,加入到最小二乘估计主点和焦距的过程中,寻找并剔除随机测量噪声偏大的星点,最后将加权估计出的结果作为测量,采用扩展卡尔曼滤波对星图进行处理。仿真结果表明,在星点位置存在较大误差的情况下,该方法能剔除随机测量噪声偏大的坏点。星内角距统计偏差约为传统方法的1/10,与真值相比标定参数精度分别为0.219 9像素、0.148 7像素、3.38 μm。     

Sampling strong tracking nonlinear unscented Kalman filter and its application in eye tracking

The unscented Kalman filter is a developed well-known method for nonlinear motion estimation and tracking. However, the standard unscented Kalman filter has the inherent drawbacks, such as numerical instability and much more time spent on calculation in practical applications. In this paper, we present a novel sampling strong tracking nonlinear unscented Kalman filter, aiming to overcome the difficulty in nonlinear eye tracking. In the above proposed filter, the simplified unscented transform sampling strategy with n+2 sigma points leads to the computational efficiency, and suboptimal fading factor of strong tracking filtering is introduced to improve robustness and accuracy of eye tracking. Compared with the related unscented Kalman filter for eye tracking, the proposed filter has potential advantages in robustness, convergence speed, and tracking accuracy. The final experimental results show the validity of our method for eye tracking under realistic conditions.     

提高多光源汇聚光斑中心定位精度的形态学滤波方法

在激光指令传输中,为形成较大的光覆盖区域并增大光源的作用距离,将多个特性相同的激光器矩阵排列,构成组合光源。针对点阵多激光管光源在开放环境下成像光斑具有多个光能中心的特点,采用形态学滤波中的开启、闭合运算,去除背景噪声斑点,平滑光斑内部的小光斑叠加和干涉造成的不规则条、孔,使得能以简化的分割和定位算法,快速获得接近实际的完整光斑边界,光斑中心定位精度的均方差不大于1.2%。该方法能快速、高精度定位这种叠加光斑的中心,为远距离激光对准和测控提供了可靠的精度和时效保证。     

光子计数激光雷达的时间相关卡尔曼深度估计

在高背景噪声和低积分时间的激光雷达远距离成像场景中,针对传统方法得到的深度图像目标被噪声淹没和深度估计偏差较大的问题,提出了一种基于信号光子时间相关性和自适应卡尔曼滤波器的深度信息估计方法。首先,提取在时间上具有聚集特征的光子计数形成集合;然后,分析了影响信号光子在时间上分布的因素并使用静态高斯线性模型来描述该集合;最后将集合中的所有光子飞行时间乱序,输入改进的自适应卡尔曼滤波器,从而迭代估计深度值。在信号噪声比为1的室内,积分时间分别为10 ms和1 ms时,本文方法相对传统的最大似然方法在均方根误差指标上提升了40%和38%。在信噪比约为0.135的室外2 km目标成像实验中,在信号光子数分别为100、33和17的情况下,本文方法成像效果都优于传统最大似然估计方法和时间相关光子快速去噪方法,得到的深度图像都更清晰,噪声更低。在高噪声和短积分时间下,本文方法可以被运用于激光雷达远距离成像的深度信息估计和图像恢复中。     

逼近积分点数下限的五阶容积卡尔曼滤波定轨算法

为了在保持滤波定轨精度不变的条件下提高定轨计算的实时性,提出一种新的逼近积分点个数下限的五阶容积卡尔曼滤波定轨算法.首先,采用一种数值容积准则对非线性函数的高斯加权积分进行近似,该准则所需的积分点个数仅比五阶代数精度容积准则积分点个数的理论下限多一个积分点,并在贝叶斯滤波算法框架下推导出本文算法的更新步骤.然后,给出实时定轨所需的状态方程和量测方程,在状态方程中考虑了J2项引力摄动和大气阻力摄动,在量测方程中利用坐标系转换推导了轨道状态与测量元素之间的非线性关系.仿真实验结果表明,本文所提算法在定轨精度方面与已有的五阶滤波算法相当,但所需的积分点个数最少,计算实时性最高,从而验证了本文算法的有效性.     

激光散斑的亚像素位移法计算及比较

根据激光散斑相关测量中采用的插值法、梯度算法和牛顿一拉夫森迭代法3种亚像素位移算法的特点,逐一在亚像素尺度计算出磁流体干燥过程中的同一激光散斑图的偏均值和标准差变化曲线。基于得到的偏差均值和标准差讨论了3种算法处理激光散斑图的特点,比较了3种算法处理散斑图的计算精度、稳定性和计算用时。结果显示,在小变形的亚像素位移测量时,梯度算法的精度较高,且较为稳定,计算效率也较牛顿一拉夫森算法快约9倍。因此,在进行小变形亚像素位移测量时,采用梯度算法计算激光散斑是有效的。     

实时运动结构重建在自主导航系统中的应用

实时运动结构重建是自主车辆、机器人导航、空间探测器自主降落、智能监控等领域中的重要研究课题。目前实时运动结构重建主要存在着特征匹配困难、鲁棒性差、系统无法自动获取初始参数和需要大量人工干预等诸多问题。利用高速CMOS摄像机与惯性传感数据融合提高了运动结构重建算法的精度及其鲁棒性。该算法在扩展卡尔曼滤波框架下是通过融合惯性与视觉传感器的数据来进行运动估计的。对场景中的每一个待估计结构的特征点建立对应的卡尔曼滤波器,以估计其空间三维结构信息。运动估计模块与结构估计模块交替运行,减小了系统运算的复杂度,提高了实时性能。通过对真实场景图像序列的实验验证结果表明,惯性传感器的额外信息能够有效地提高运动结构估计的精度,能够增强算法的鲁棒性。     

基于广义正交迭代算法的立体视觉定位

提出了一种新的基于广义正交迭代算法的立体视觉定位.该算法通过提取CenSurE局部特征和相应的U-SURF描述符,采用SAD方法进行子像素立体匹配,并利用U-SURF描述符匹配进行前后帧图像特征跟踪.在RANSAC框架下对匹配点进行3D-3D运动估计获得了运动参量的初始值.由于3D-3D运动估计使3D点集间欧式距离误差最小,而3D特征点坐标受噪音影响很大,因此运动估计误差也较大.本文把广义正交迭代算法应用到立体视觉定位方法中,得到使立体相机目标空间共线性误差最小的运动估计参量,由于共线性误差比3D-3D运动估计算法中的共点误差受噪音影响更小,从而大大较少了运动估计误差.仿真实验和户外真实实验表明：本文算法获得了较高的计算准确度、鲁棒性和实时性,优于传统方法.     

Tracking noisy limit cycle oscillation with nonlinear filters

For engineering systems, the dynamic state estimates provide valuable information for the detection and prediction of failure due to noise and vibration. From this perspective, nonlinear filtering techniques are applied to the problem of state estimation of dynamical systems undergoing noisy limit cycle oscillation. Specifically, the extended Kalman filter, ensemble Kalman filter and particle filter are used to track the limit cycle oscillations of a Duffing oscillator using noisy observational data. The noisy limit cycle oscillations feature highly non-Gaussian trends. The efficiency and limitations of the extended Kalman filter, ensemble Kalman filter and particle filter in tracking limit cycle oscillations are examined with respect to the model and measurement noise and sparsity of measurement data. For the limit cycle oscillations considered here, it is demonstrated that the ensemble Kalman filter and particle filter outperform the extended Kalman filter in the presence of sparse observational data or strong measurement noise. For moderate measurement noise and frequent measurement data, the ensemble Kalman filter and particle filter perform equally well in comparison to the extended Kalman filter.     

基于滚动时域估计的飞行器姿态估计及三轴磁强计在线校正

针对飞行器姿态估计以及三轴磁强计在线校正问题, 提出了一种实时滚动时域估计算法. 首先, 为了解决在卡尔曼滤波框架下系统约束不能显式求解的问题, 设计了滚动时域估计滤波算法. 该算法将飞行器姿态估计问题转化为优化问题, 显式求解四元数归一化性质, 缩小搜索空间的同时提高了搜索效率和精度. 其次, 滤波时域窗内应用高斯-牛顿迭代法求解最优状态估计值, 满足了实时性要求. 最后, 在没有增加系统状态维数的情况下, 在线求解了三轴磁强计校正参数, 保证了磁强计量测值以矢量形式输入系统. 仿真结果表明, 由于合理地利用了历史信息, 该方法精度较高, 且对初始误差、系统误差均不敏感, 具有一定鲁棒性.     

载波傅里叶分析法中干涉图的预处理技术研究

提出了一种基于旋滤波法的干涉条纹预处理方法,并将其应用到载波傅里叶分析法中。该方法能较好地处理各种噪声而不会使条纹变模糊。实验证明该方法能有效地去除相干噪声、随机噪声、椒盐噪声、由于光照不均匀引起的较大面积的亮斑或暗斑等噪声,能较好地提高载波傅里叶分析法的精度和重复性。