卡尔曼滤波在极谱分析中的应用——Sn(Ⅳ)、Pb(Ⅱ)、In(Ⅲ)、Cd(Ⅱ)体系的同时测定

利用卡尔曼滤波（ＫＦ）技术，对互相干扰的Ｓｎ（Ⅳ）、Ｐｂ（Ⅱ）、Ｉｎ（Ⅲ）、Ｃｄ（Ⅱ）体系进行了定量测试研究。在５．００×１０５～３．００×１０４ｍｏｌ·Ｌ１的浓度范围内，各组分测试的相对误差为－４．０％～３．８５％。对大理石抛光粉管理样中的Ｓｎ（Ⅳ）、Ｐｂ（Ⅱ）进行了测定，结果与ＩＣＰＡＥＳ结果相符。回收率在９５．０％～１０４％之间。为保证ＫＦ的精度，使用了两个监控出口。数据说明效果良好     

卡尔曼滤波分光光度法同时测定水中微量砷和磷

研究了砷钼酸和磷钼酸与乙基罗丹明Ｂ的缔合物的吸收光谱，并以卡尔曼滤波算法对这两个严重重叠的光谱进行数据解析，达到了不需分离和掩蔽而同时测定砷和磷的目的，本法准确，精密，应用于水样分析，获得满意结果。     

流动注射pH梯度技术－卡尔曼滤波分光光度法同时测定铜钴镍多元混合物

流动注射ｐＨ梯度技术－卡尔曼滤波分光光度法同时测定铜钴镍多元混合物毛东森，张国莹，陈同岳（上海工业大学化学化工系，上海，２０００７２）关键词：流动注射分析，梯度技术，卡尔曼滤波，分光光度法，同时测定探索不经任何分离而同时测定多个相互干扰组分混合物的分...     

卡尔曼滤波法同时测定安痛定注射液三组份含量

本文采用卡尔曼滤波法不经分离同时测定安痛定注射液中三组份的含量，氨基比林、安替比林、巴比妥的平均回收率和相对标准偏差分别为99.8%，0.93%；99.7%,0.82%和99.7%,1.5%。将该法用于测定实际体系，与标准法对比，经t检验（P＞0.05)，两者无显著差异。     

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。     

利用伪观测取代精密转台的原地旋转调制寻北

针对传统的多位置(如四位置)及旋转调制寻北法所需精密转位机构(如转台)带来的体积、重量、功耗和成本问题,提出了一种不依赖于精密机械旋转装置的原地寻北方法。借助基于惯性的组合导航算法,并利用惯性测量单元原地旋转(手动或自动)时位置和速度变化范围有限这一假设作为伪观测,实现与四位置法精度和效率相当的寻北。因为对伪观测的使用不需精确已知每一时刻IMU相对于底座的角度,故可从本质上消除对精密角度或角速度测量装置的依赖。大量(近100组)实测实验表明,在采用0.5(°)/h的光纤惯导时可在4 min内达到优于1°(1 sigma)的寻北精度。因此,可在寻北精度和时间相当的条件下,大大降低传统寻北方法对系统的硬件要求,降低寻北成本。     

基于测量不确定度的视觉惯性自适应融合算法

针对环境复杂的工业现场定位精度低、适应性差、鲁棒性低等问题,提出一种基于测量不确定度的视觉惯性自适应融合算法,分析基于隐函数模型的视觉定位测量不确定度,并依据视觉定位测量不确定度自适应调整卡尔曼滤波模型中的参数,校正视觉观测偏差,增强视觉惯性融合定位算法在不同观测条件下的鲁棒性。利用精密三轴转台及激光跟踪仪T-mac位姿测量系统对所提融合定位算法的定位精度进行实验验证。实验结果表明,相比传统扩展卡尔曼滤波方法,所提方法能满足视觉观测较差条件下的准确定位需求。     

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。     

基于扩展卡尔曼滤波的吊钩姿态估计技术研究 

针对吊钩运动不定且易受大风、雾气等影响其作业效率问题,提出并实现基于MEMS传感器的吊钩姿态估计系统。建立吊钩三维空间运动模型,消除吊钩扭转影响;通过四元数的扩展卡尔曼滤波算法,对MEMS陀螺仪、加速度计与磁强计进行数据融合,解算得到吊钩三维姿态、摆角与摆向;采用基于视觉检测的吊钩空间姿态为参考基准,对起重机吊钩进行姿态估计验证。实验结果表明：该系统能有效融合MEMS传感器数据,获得高精度的吊钩姿态,实现姿态的实时检测。