基于自适应卡尔曼滤波的侧滑移动机器人运动模型估计

精确实时在线的运动模型对于侧滑移动机器人的运动控制和轨迹规划至关重要,相比于离线模型估计,该文在基于速度瞬心(ICRs)的侧滑移动机器人运动学模型基础上,采用扩展卡尔曼滤波(EKF),在同一特定地形下在线准确得到ICRs的参数值;并针对不同的地形情况,采用k-近邻法对地形进行分类,实时判别机器人当前运行的路面,采用自适应的卡尔曼滤波器(AKF)调整滤波器参数。仿真和实验对比表明,该方法在同一地形和变化地形下均能快速估计出侧滑移动机器人的运动学模型,收敛时间均为3 s以内,可以满足实际使用的需要。     

一种新的迎角估计方法

针对迎角和侧滑角在大机动的条件下传感器不能准确测量的问题,提出了借助飞机的动力学模型,以惯导数据的姿态角及其角速率、加速度信息和大气数据的动压为量测值,利用扩展卡尔曼滤波的方法估计迎角和侧滑角,从而克服了对硬件的依赖性,实现了依靠算法代替传感器而获得飞行参数,但是该方法对系统数学模型即动力学模型的准确性有着较高的要求,通过仿真验证,该方法结构简单,易于工程实现,并且估计精度在0．4°以内,具有很好的实时性和鲁棒性。     

基于最大似然估计与卡尔曼滤波的室内目标跟踪

为了解决室内目标跟踪系统中由于定位误差导致目标运动轨迹波动较大的问题,提出一种基于最大似然估计与卡尔曼滤波的融合目标跟踪算法.首先利用最大似然估计算法预测目标的运动轨迹,然后再利用卡尔曼滤波算法对预测结果进行滤波处理,进一步降低定位结果的误差.仿真结果表明,所提算法的定位误差均值为0.64 rn,比通用的最邻近算法性能...     

基于极大似然估计的高分辨雷达测角方法

研究了高分辨雷达的测角方法:在介绍单脉冲测角原理的基础上,建立了宽带高分辨雷达角度估计模型,推导了目标偏角与回波信号的联合概率密度函数;提出了基于极大似然估计的宽带雷达测角方法,通过采用迭代算法交替更新目标偏角和回波信号,实现了目标偏角和回波信号的联合估计,并给出了目标偏角估计精度的近似克拉美罗界。仿真比较了该方法与传统窄带雷达测角方法的估计性能,结果表明,本方法的测角精度优于传统窄带测角方法,且在信噪比一定的条件下目标距离单元数越多,测角的均方根误差越小。仿真验证了该角度估计方法是渐近无偏的,估计误差方差小于传统窄带测角方法,且随距离单元数增多而减小。     

基于扩展卡尔曼滤波的动中通低成本姿态估计

针对动中通系统低成本姿态估计问题,提出了一种基于扩展卡尔曼滤波的姿态估计算法。该算法以四元数作为状态变量,通过融合陀螺、加速度计以及单基线GPS位置和速度信息估计载体的姿态信息。针对载体机动加速度的影响,通过单基线GPS提供的速度信息对载体的机动加速度进行初步补偿;当载体发生转弯时,利用侧滑角补偿法进一步校正。实验结果表明,该算法成功融合了陀螺的短时精确性、加速度计的长时稳定性和GPS精确的测速和定位功能,系统的动态估计精度在±0．5°内,满足了动中通的应用要求。     

气压自适应控制系统的研究

利用自适应控制理论,以某宇航环境仿气压控制系统为对象,给出该系统的自适应控制算法,该方法简单、可靠,可有效达到该系统的技术指标要求。     

基于自适应卡尔曼滤波的光纤陀螺噪声系数估计方法

针对Allan方差法确定光纤陀螺ARW（angle random walk）噪声系数的一些不足,如大量存储数据、非实时处理、计算量大、耗时长等,提出了基于自适应卡尔曼滤波的光纤陀螺ARW系数在线估计方法.在角度随机游走、零偏不稳定性、角速率随机游走等主要噪声数学特性分析基础上,建立了光纤陀螺现代状态空间噪声误差模型,基于新息自适应卡尔曼滤波量测噪声协方差阵的迭代计算,实现光纤陀螺ARW系数的在线、实时估计,从而避免了存储大量历史数据,显著地减小了计算量,缩短了陀螺数据处理时间.数字仿真试验和光纤陀螺实测数据试验结果均验证了本文方法的可行性和有效性.     

大攻角下基于信息融合的攻角/侧滑角估计方法

攻角和侧滑角是飞控系统和导航系统的重要参数。针对高性能飞行器在大攻角飞行时攻角和侧滑角不能精确测量问题,引入飞行动力学模型,选取姿态、姿态角速率、气流角和速度等飞行参数作为状态向量,以惯性导航系统提供的姿态、姿态角速率、加速度组成观测向量,构建扩展卡尔曼滤波器,融飞行动力学模型求解和状态估计的过程为一体,实现攻角和侧滑角实时精确估计。利用X-Plane系统的飞行仿真数据对攻角/侧滑角估计方法的可行性和有效性进行了验证。仿真结果表明,该方法不仅具有较高的精度、良好的稳定性和鲁棒性,而且可提高大气数据系统的测量范围和可靠性,能够有效地适用于大攻角飞行环境下攻角和侧滑角的测量。     

基于自适应卡尔曼滤波的捷联去耦算法

针对捷联相控阵雷达导引头中弹体姿态干扰弹目视线角速率提取的问题,提出了基于自适应卡尔曼滤波去耦算法,引入合适的遗忘因子优化了滤波的性能,建立了噪声特性递推和预测的数学模型,联立滤波方程和噪声估计方程解决了弹目视线角速率去耦的问题,在误差的允许的范围内提取了弹目视线角速率。最后通过仿真实验表明所提算法在捷联去耦上的有效性以及相对于标准卡尔曼滤波去耦的优良性,提高了提取弹目视线角速率的精度,优化了导弹制导性能,具有较高的工程运用价值。      

基于自适应卡尔曼滤波的精密指向机构速度估计方法研究

提出了一种基于自适应卡尔曼滤波算法的精密指向机构速度估计方法,用控制误差的统计特性实时调节卡尔曼滤波参数.用实验方法建立直流伺服电机的数学模型,对基于该方法的速度回路控制与响应进行了仿真,与其他速度估计方法进行了对比,在试验转台的速度控制中实现了该方法及其他速度估计方法,并比较了几种方法的阶跃响应和正弦响应,验证了仿真结果.结果表明,自适应卡尔曼滤波能抑制噪声影响,测速精度与静、动态性能良好,对噪声变化的鲁棒性较好.     

基于自适应扩展卡尔曼滤波的导弹制导信息估计

在机动目标的被动跟踪研究领域,导引头仅能量测到视线角速度或视线角信息,利用仅有的角度测量信息对制导信息进行估计,是导弹实现先进导引律精确命中机动目标的基础。本文针对机动目标的被动跟踪问题,选取"当前"统计模型作为机动目标模型,建立系统状态方程和量测方程,提出一种适应于大机动目标的自适应扩展卡尔曼滤波算法对制导信息进行估计。通过仿真实验可以看出,本文所提出的算法具有较好的滤波效果,对制导信息的估计误差满足系统精度要求。     

基于新息的自适应增量Kalman滤波器

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。增量方程的引入可以有效解决欠观测系统的状态估计问题。该文考虑带未知噪声统计的线性离散增量系统,首先提出一种基于新息的噪声统计估计算法。可以得到系统噪声统计的无偏估计。进而,提出一种新的增量系统自适应Kalman滤波算法。相比已有的自适应增量滤波算法,该文所提算法得到的状态估计精度更高。两个仿真实例证明了其有效性和可行性。     

应用于Alamouti空时分组码的自适应卡尔曼信道估计

本文提出了一种应用于Alamouti空时分组码系统的联合数据检测和信道估计方案．该方案采用了一种可跟踪信道统计特性变化的新的动态信道模型，并提出了相应的自适应卡尔曼信道估计方法．该方法利用序贯更新先验信息的序贯可信度最大化方法估计系统方程的噪声方差，不需要估计最大多谱勒频移．与传统的卡尔曼信道估计相比，该方法具有较低的复杂度．仿真结果表明，本文所提方法的性能优于传统卡尔曼信道估计，特别是对于不同的最大多谱勒频移环境具有鲁棒性，具有实际应用的价值。     

基于自适应插值扩展卡尔曼滤波的永磁同步电机状态估计

PMSM无传感控制的转速与转子位置估计对系统至关重要,扩展EKF算法作为无传感控制技术被广泛应用在工业领域。但是EKF算法在系统线性化过程中产生截断误差,对于高度非线性模型无法得到精确估计值。为减小EKF算法因非线性问题而造成的误差,文中提出了一种基于AIEKF状态估计法。该方法以量化状态方程的非线性程度为依据,通过添加伪状态值减小EKF算法线性化中产生的误差对估值精度的影响,从而降低系统在线性化过程引起的误差。仿真计算结果表明,AIEKF较EKF的截断误差平均降低了55.6%。     

基于容积卡尔曼滤波的自适应IMM算法

在目标跟踪中,针对无迹卡尔曼滤波在高维状态下容易出现滤波精度下降甚至发散的问题,提出了一种自适应交互式多模型容积卡尔曼滤波算法。首先,将容积卡尔曼滤波引入到交互式多模型算法中,提高了算法在高维非线性情况下的滤波精度。然后,结合马尔科夫参数自适应思想,在模型概率更新阶段,利用后验信息修正马尔科夫概率转移矩阵,增大匹配模型的转移概率,进一步提高模型之间的切换速度。最后,在目标跟踪仿真中利用"当前"统计模型对算法进行验证,实验结果证明了算法的有效性。     

基于差分演化算法的自适应无迹卡尔曼滤波

该文在分析无迹变换缩放参数选择方法的基础上,通过对几种缩放参数选择方法的对比分析后,确定以缩放参数选择作为优化目标,将差分演化算法(Differential Evolution, DE)应用到无迹卡尔曼滤波(Unscented Kalman Filter, UKF)计算中,选择每时刻滤波误差最小的缩放参数。提出了基于差分演化算法的自适应无迹卡尔曼滤波算法。通过实验表明,这种自适应策略不仅能够有效提高UKF的精度,避免使用固定缩放参数时可能造成的滤波随机发散;而且不受缩放参数个数限制,可以应用到任意形式的UKF中。     

基于鲁棒卡尔曼滤波的盲自适应多用户检测算法

提出一种新的基于虚拟噪声补偿技术的鲁棒卡尔曼滤波估计异步CDMA系统多用户接收器的最优判决向量的方法,构造出一种收敛速度快、跟踪性能好、数值稳定性好的高性能盲自适应多用户检测算法。仿真实验表明, 该文提出的方法具有很强的抗多址干扰能力和较高的数值鲁棒性。