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.     

等价权修正的Kalman抗野值滤波算法

水声工程实际数据中野点的存在影响标准Kalman滤波精度。借鉴抗差惯性导航定位中等价权思想,构造反映观测值误差的统计量,以其协方差矩阵作为判断滤波精度的指标,依据莱特准则设计了三种不同权重因子,充分利用正确观测,限制利用可用观测,排除有害粗差。仿真结果表明,这种等价权修正Kalman抗差算法,抗差性可媲美中位数滤波,证明当模型正确时,其在抑制零星和斑点型野值方面,效果很好。     

原子钟噪声变化时改进的Kalman滤波时间尺度算法

Kalman滤波时间尺度算法是一种实时的原子钟状态估计方法,在时间保持工作中具有重要的实用价值.本文引入自适应因子改进Kalman滤波时间尺度算法,对Kalman滤波时间尺度算法中状态预测协方差矩阵引入自适应因子,利用统计量实时计算自适应因子的量值,控制状态预测协方差矩阵的增长,降低原子钟状态估计的扰动,从而提高时间尺度的准确度和稳定度.模拟数据和实测数据表明,原子钟噪声强度变化时或噪声强度估计存在误差时改进的Kalman滤波时间尺度算法有效地提高了时间尺度的准确度和长期稳定度.     

基于粒子滤波的多普勒信息辅助目标定位跟踪算法

多基地声呐探测系统主要通过测量回波的时延和方位信息进行目标定位与跟踪,定位精度受声速、时延和方位测量误差的影响较大,可以通过多普勒信息辅助进一步提高定位跟踪精度.现有的多普勒信息辅助定位跟踪算法多适用于单基地声呐系统,多基地中的多普勒测量值与目标状态的关系更为复杂,需要研究新的融合方法.该文提出了一种适用于多基地声呐系...     

导数光谱－Kalman滤波法校正ICP－AES光谱干扰的研究

本文以导数光－Ｋａｌｍａｎ滤波法研究了ＩＣＰ－ＡＥＳ中典型的光谱干扰，考察了该法的检出限和准确度，探讨了该法的影响因素。结果表明，该法能有效地消除和校正光谱干扰，降低分析检出限，结果准确可靠。     

基于Kalman滤波和模板匹配的目标跟踪技术研究

针对模板匹配算法计算量大,难以解决目标形变、光照变化、遮挡等情况下的跟踪问题,提出了一种结合Kalman滤波的模板匹配跟踪算法。通过Kalman滤波预测下一帧图像中目标的位置,缩小目标搜索范围,以减少模板匹配计算量,满足目标跟踪的实时要求。采取自适应模板更新策略,根据目标的变化情况更新模板。在目标被短暂遮挡时,采用Kalman滤波预测目标的状态,继续稳定跟踪。实验结果表明,算法明显优于单独使用模板匹配算法,当目标被遮挡时仍可以稳定、实时跟踪,具有良好的鲁棒性。     

一种GPS载波相位差分相对定位算法

导航定位技术是空间卫星交会对接任务的关键技术。导航定位精度要求达到厘米级,工程实现难度大。为了解决该问题,本文基于卫星交会对接任务需求,提出采用GPS载波相位差分相对定位算法对卫星进行高精度导航定位。该算法利用测量之间的强相关性,通过误差消除获得高测量精度。同时,本文应用该算法结合星载GPS天线进行了外场试验验证。试验结果表明,GPS载波相位差分相对定位算法精度达到厘米级,可以满足卫星交会对接任务的导航定位测量要求。     

基于LS-PSO的北斗伪距单点定位算法

北斗伪距单点定位具有易于实现、不存在整周模糊度、速度快等特点,具有很大的研究和应用价值;传统最小二乘法由于引入了线性误差、对初始值依赖性强而导致定位精度低;为了提高北斗伪距单点定位的精度,通过分析最小二乘法和粒子群算法的优缺点,提出了一种LS-PSO组合算法;首先利用最小二乘法定位计算接收机的大约位置,作为粒子群算法解的基准值并建立解的搜索空间,然后利用粒子群算法得到全局最优值,解算出精度更高的结果;经过实验验证,LS-PSO组合算法可以稳定的解算出m级精度的定位结果,并且三维方向偏差都在大约5 m以内;最后通过与遗传算法的收敛情况和最小二乘法的定位精度进行对比,证明LS-PSO组合算法可以快速的收敛到最优解并且有效的提高了北斗伪距单点定位精度。     

二级Kalman滤波的被动声定位后置处理方法

阵列定位的计算结果中往往存在大量的野值,需要用后置处理方法从结果中选取真实目标信息。本文提出了一种基于Kalman滤波的二级后置处理方法,建立了相应的滤波模型,并对主要参数进行讨论选取,同时给出了外场实验结果。结果表明此方法后置处理效果明显,并可以满足系统实时性的要求。     

基于不敏粒子滤波的水中非合作磁性目标实时磁定位方法

针对水中非合作磁性目标的实时定位问题, 提出了一种基于不敏粒子滤波(unscented particle filter, UPF)的实时磁定位方法. 从非合作磁性目标的运动特征出发, 建立了状态空间模型, 利用UPF算法对目标状态进行实时估计. 为了提高系统的可观测性, 在算法迭代过程中对粒子状态进行约束及利用最小二乘法反演磁矩. 仿真与铁磁物体定位实验结果表明, 该方法的定位精度较高, 实时定位效果较好, 可用于近场实时磁定位问题中. 关键词： 磁定位 椭球体模型 状态空间模型 不敏粒子滤波     

基于卡尔曼滤波的低复杂度去混响算法*

在电话会议、智能音箱等应用场景下,传声器往往处在声源的远场。混响信号的存在会掩蔽后续到达的直达声信号,降低传声器接收信号的语音质量,以及语音识别系统的准确识别率。多通道线性预测算法是一种经典的盲去混响算法,但该算法往往具有较高的计算复杂度。本文提出了一种简化的卡尔曼滤波更新算法,通过对角化卡尔曼滤波器状态向量误差协方差矩阵,降低了自适应多通道线性预测去混响算法的复杂度。通过与现有分块对角简化算法对比发现,本文提出的简化算法在保证语音质量的同时,进一步降低了原卡尔曼滤波算法的复杂度。     

Robust tracking of moving sound source using scaled unscented particle filter

Tracking an active sound source involves the modeling of non-linear non-Gaussian systems. To address this problem, this paper proposed scaled unscented particle filter (SUPF) algorithm for tracking moving sound source. The particle filter part of the SUPF provides the general probabilistic framework to handle non-linear non-Gaussian systems, and the scaled unscented Kalman filter (SUKF) part of the SUPF generates better proposal distributions by taking into account the most recent observation. Meanwhile, models used in SUPF algorithm were also explored for the sound source motion, observation and the likelihood of the sound source location in the light of the Langevin process. Compared with the conventional PF approach, the simulated results demonstrated that the SUPF algorithm had superior tracking performance.     

结合Sage-Husa滤波的合成孔径声呐多传感器组合运动补偿算法

在运动测量设备噪声统计特性不确定的情况下,提出结合Sage-Husa滤波的合成孔径声呐多传感器组合运动补偿方法。使用Sage-Husa卡尔曼滤波处理多种异类运动传感器的数据,自适应估计声呐速度的最优值,计算实际航迹与理想航迹之间的横荡误差和升沉误差,最后通过时延校正原始回波数据。仿真结果表明,Sage-Husa滤波对运动误差估计精度至少提高37%,运动补偿后,目标峰值旁瓣比和积分旁瓣比有所降低,峰值旁瓣比接近理论值.湖试数据处理结果表明,目标能量分散的情况有所改善,能量集中在主瓣,散焦得到抑制。Sage-Husa滤波在多传感器系统噪声先验知识缺失的条件下,能减小运动数据估计误差,提高运动补偿的准确性。     

基于广义M估计的鲁棒容积卡尔曼滤波目标跟踪算法

为减小测量异常误差对非线性目标跟踪系统的影响, 提出了一种基于广义M估计的鲁棒容积卡尔曼滤波算法. 首先将非线性测量方程等价变换, 利用约束总体最小二乘准则构建广义M估计极值函数, 在不进行线性化近似的前提下将其引入到容积卡尔曼滤波求解框架中. 然后根据Mahalanobis距离构建异常误差判别量, 利用卡方分布的置信水平确定判决门限, 并建立改进的三段Huber权函数, 使其能够降低小异常误差权值, 剔除大异常误差. 理论分析表明, 该方法具有无需求导、跟踪精度高、实时性好等优点, 且无需已知异常误差的统计特性; 实验结果表明, 所提算法能够有效减小异常误差的影响, 在实际非线性物理系统中具有广阔的应用空间.     

基于时频差的正交容积卡尔曼滤波跟踪算法

针对基于时频差测量的无源跟踪中面临的非线性估计问题, 提出一种正交容积卡尔曼滤波跟踪算法. 该算法在容积卡尔曼滤波算法的基础上, 通过引入特定正交矩阵改进容积采样方法, 在高维状态估计下减小因采样产生的误差, 在没有增加计算量的前提下, 有效提高收敛速度及跟踪精度. 仿真结果表明, 在基于到达时差和到达频差的联合无源跟踪问题中, 与扩展卡尔曼滤波及容积卡尔曼滤波算法相比, 本文所提算法在跟踪性能上有明显提升.     

Reply to “Comment on ‘Ensemble Kalman filter with the unscented transform”’

This is a reply to the comment of Dr. Sakov on the work “Ensemble Kalman filter with the unscented transform” of Luo and Moroz (2009) [2].     

利用宽带声场干涉结构特性对移动船只距离的连续估计

浅海移动船只的宽带辐射声场在距离-频率上通常表现为有规则的干涉条纹结构,这些条纹的特性(数目和斜率)可用波导不变量理论来表征并已被用于多种水声反演问题中,如沉积层声学参数反演和宽带声源距离的估计。基于波导不变量理论和干涉条纹的结构特性,利用扩展卡尔曼滤波器分析移动船只LOFAR图中干涉条纹的距离-频率特征可对其距离进行连续估计。该方法不需要海洋环境的信息和前向拷贝声场计算,具有较高的计算效率。海试数据处理结果和GPS数据计算结果比较一致,证实了本方法的准确性。试验数据处理同样证实该方法对初始距离的选择有着较高的稳健性。     

Robust tracking of moving sound source using multiple model Kalman filter

In this paper a novel method for tracking an active speaker in a noisy and reverberant environment by means of a spatially distributed microphone array is presented. Firstly, a sound source localization algorithm based on time delays of arrival (TDOA) in microphone pairs provides observed position estimates. Then these remarkably noisy estimates are filtered by a multiple model Kalman filter (MMKF) in order to obtain a smoothed trajectory of the speaker’s movement. Compared with the traditional Kalman filter (KF), simulated results prove the MMKF is more robust and effective in noisy environments.     

A Kalman filter algorithm based on exact modeling for FOG GPS/SINS integration

The Kalman filter is widely applied in fiber optic gyro (FOG) inertial integrated navigation system. To solve the problem of hard acquirement of Kalman filter parameters, a novel algorithm for FOG GPS/SINS integration navigation based on exact modeling is proposed in this paper. The models of inertial sensors using Allan variance analysis are established in proposed algorithm and the precise Kalman filter model is obtained based on the correspondence between Allan variance coefficients and inertial sensors parameters. The simulation and experimental results show that Kalman filter parameters can be obtained for GPS/SINS integrated navigation system precisely and efficiently based on Allan variance modeling method, and the algorithm has reference value for theoretical perfection and engineering applications.