GPS动态定位的强跟踪卡尔曼滤波研究

提出一种改进的强跟踪卡尔曼滤波算法，应用于ＧＰＳ动态定位滤中获得明显效果，首先采用描述机动载体运动的“当前”统计模型，建立了一咱新的ＧＰＳ动态定位扩展卡尔曼滤波模拟及其适应算法，然后，为了进一步提高滤波器的动态性能，改进了周东华等提出了的强跟踪滤波器，大大提高了ＧＰＳ动态定位位扩展卡尔曼滤器的跟踪能力。     

强跟踪滤波器在被动跟踪中的应用

在目标被动式跟踪中广泛应用的伪量测变换估计器(PLE)具有良好的误差收敛性.然而由于等价噪声和状态的相关性,该估计器的估计是有偏的.提出的强跟踪滤波器(STF)通过强制白化残差具有自适应地校正估计偏差和迅速跟踪状态变化的能力.STF已经在非线性系统时滞估计、故障诊断与容错控制方面取得了很好的效果.结合PLE和STF,提出了一种自适应伪量测变换估计器(APLE).APLE减小了状态的估计偏差,同时对目标的初始值具有极强的鲁棒性.计算机仿真验证了APLE算法的有效性.     

基于平淡卡尔曼滤波的微弱GPS信号跟踪算法

在接收信号很微弱的情况下，全球定位系统（GPS）的传统方法不能很好地跟踪信号．文中采用非线性卡尔曼滤波算法取代传统的延迟锁定环和相位锁定环，用于高灵敏度GPS接收机的微弱信号处理环节，针对所提出的微弱信号系统模型中相关运算的特点，运用平淡卡尔曼滤波器进行信号跟踪．仿真结果表明，新方法能够较好地跟踪到载噪比低至27dB-Hz的微弱信号，确保了跟踪精度；同时具有较高的灵敏度．     

嵌入强跟踪滤波器的高可靠多用户检测算法

目的 研究使多用户检测中的最优判决向量的估计精度在稳态的CDMA系统状态发生跃迁时不降低的算法。方法 采用嵌入强跟踪滤波器的高可靠卡尔曼滤波多用户检测算法。结果 将基于标准卡尔曼滤波器的仿真结果和基于强跟踪滤波器的仿真结果做了比较，可以看出，后收敛速度快、跟踪能力强、具有较高的数值鲁棒性。结论 该方法能够有效抑制阵发性多用户干扰，具有较强的抗多址干扰能力和较高的可靠性。     

强跟踪滤波器在AUV执行机构故障诊断中的应用

建立了AUV的推力器及舵等执行机构的偏差型故障模型；引入强跟踪滤波器理论，采用SFEKF算法(一种采用时变渐消因子实现的强跟踪滤波器算法)在线估计AUV状态及执行机构故障偏差，利用贝叶斯决策方法对得到的残差进行分析，实现了AUV执行机构的故障诊断；仿真验证了强跟踪滤波器在AUV执行机构故障诊断中的有效性．     

目标密集情况下的跟踪滤波器

本文讨论了在目标密集情况下卡尔曼滤波器作为跟踪滤波器存在的问题。指出在目标密集时,辨识的不准确性将会使卡尔曼滤波器失去其无偏性。然后本文给出了一种改进的滤波器。这种改进的滤波器在目标密集时仍能保证无偏性。     

一种用于高动态环境的GPS信号跟踪方法

针对全球定位系统（GPS）在高动态环境下信号跟踪精度不高以及容易失锁的问题,提出一种新的跟踪方法.采用锁频环（FLL）和锁相环（PLL）相融合的跟踪方式,利用判决因子对当前的跟踪状态进行判定,根据判决值对FLL和PLL输出赋予相应的权值,调整其相对作用的大小,从而将FLL和PLL在同一跟踪过程中更好地融合.仿真结果表明,该方法在环路噪声带宽较小的情况下能够成功地跟踪加速度为150 g的超高动态GPS信号.     

一种新的Jerk模型高机动目标跟踪自适应算法

在Jerk模型的基础上,提出了一种新的高机动目标跟踪自适应算法STF-C-Jerk.该算法利用“当前”模型的思想,将Ｊerk项假设成为非零均值过程,更切合目标机动实际过程,同时通过引入强跟踪滤波器的渐消因子,实时调节滤波器增益,增强了系统对目标突发机动的自适应跟踪能力.仿真结果表明,提出的STF-C-Jerk自适应跟踪算法显著提高了Jerk模型自适应算法的跟踪性能.     

卡尔曼滤波器对匀速直线运动目标的跟踪

本文主要是用卡尔曼滤波器实现雷达对向我方作匀速直线运动目标的位置和速度的跟踪，并分别得到其对应的预测、更新的位置和速度协方差。最后通过一个举例，用MATLAB仿真，结果说明了卡尔曼滤波器在跟踪机动目标中的优越性能。     

基于联邦Kalman滤波的Wi-Fi/GPS车辆组合定位系统

针对全球卫星定位系统(GPS)在密集城市地带、隧道、室内停车场等环境下不可用及Wi-Fi定位精度不足的问题,提出了一种Wi-Fi/GPS组合定位系统.该系统基于联邦Kalman滤波器,先通过两个并行的局部滤波器获得Wi-Fi、GPS定位子系统的局部最优估计,再由主滤波器融合得到最优全局估计.仿真结果表明:较之单独使用G...     

基于平淡卡尔曼滤波的微弱GPS信号跟踪算法

在接收信号很微弱的情况下,全球定位系统(GPS)的传统方法不能很好地跟踪信号.采用非线性卡尔曼滤波算法取代传统的延迟锁定环和相位锁定环,用于高灵敏度GPS接收机的微弱信号处理环节.针对所提出的微弱信号系统模型中相关运算的特点,运用平淡卡尔曼滤波器进行信号跟踪.仿真结果表明,新方法能够较好地跟踪到载噪比低至27 dB-Hz的微弱信号,确保了跟踪精度;同时具有较高的灵敏度.     

基于卡尔曼滤波的GPS导航系统故障检测

提出了一种将卡尔曼滤波器与神经网络相结合的导航系统故障检测结构.针对GPS系统的非线性特点,利用扩展卡尔曼滤波推算状态的预测值,并与实际观测值进行比较得到残差,同时采用Elman网络构成时延神经网络,利用残差的当前值及前多个历元的历史值进行故障检测.最后,计算机仿真验证表明,与χ2卡方检测方法比较,该结构不但可以快速检测出系统故障,提高故障检测的概率,而且能进行有效的故障隔离,具有很好的容错性能.     

一种用于高动态全球定位系统信号跟踪的新模型

针对传统全球定位系统(GPS)信号跟踪方法在高动态环境下跟踪精度不够理想且容易失锁等缺陷,提出了一种新的跟踪模型.采用包含多普勒频移与码相位误差的二维观测相关器组,并通过基于列文伯格-马夸尔特方法优化的迭代扩展卡尔曼滤波算法,使跟踪环路在码相位与载波频率初始捕获误差较大的情况下,依然能够快速而准确地收敛,成功解调出导航信息.仿真结果显示,利用新的GPS信号跟踪模型能够高质量地完成加速度为150g的高动态GPS信号跟踪.     

GPS 定位中扩展卡尔曼滤波和基于 Bancroft 算法的2步滤波法的比较分析

GPS 定位中常用的线性卡尔曼滤波模型的精度不能完全满足要求。为此,介绍了非线性卡尔曼滤波常用的扩展卡尔曼滤波（EKF）和基于 Bancroft 算法的2步滤波法。算例分析表明,基于 Bancroft 算法的2步滤波法较优。     

一种用于GPS定位估计滤波算法的非线性模型

提出了一种将现代非线性滤波技术用于GPS定位估计的方法，该方法可用于低价位的单机GPS接收器的定位，提高它们的定位精度和鲁棒性．应用该方法，根据单机GPS的原始数据、伪距和多普勒频移进行定位估计。开发了一种新的基于非线性滤波的位置和速度估计模型，该非线性模型具有随观察到的卫星数量而改变状态和测量元个数的动态特性．运用一种新型的非线性滤波-平淡卡尔曼滤波求解该模型．GPS定位实验结果表明．与通用的最小二乘迭代法或直接从接受机获得的结果相比，所提出的非线性模型得出的滤波估计结果具有较高的精度和鲁棒性．     

基于双卡尔曼滤波及贝叶斯估计的微弱GPS信号跟踪方法

提出了一种基于卡尔曼滤波的平方根算法以及贝叶斯估计理论的微弱GPS信号跟踪方法.采用2个耦合的扩展卡尔曼滤波器,即双卡尔曼滤波器来完成码跟踪和载波跟踪,同时,减少信号累加积分时间,以降低运算复杂度而提高收敛速度;采用基于贝叶斯估计理论的未知导航信息位处理方法,以降低在信号微弱的情况下未知导航位所带来的不利影响.仿真结果表明,利用该方法可以精确跟踪载噪比低至19 dB-Hz的微弱GPS信号.     

一种基于卡尔曼滤波的压缩跟踪算法研究

根据道路交通监控视频的特点,采用压缩跟踪(CT)算法进行运动车辆的检测与跟踪。在摄像头变化较大、运动车辆尺度变化和背景变化等情况下,CT算法均具有很强的鲁棒性。但是当车辆被遮挡时,跟踪算法容易失效。为了解决这一问题,提出使用卡尔曼滤波对遮挡的车辆进行轨迹预测。卡尔曼滤波能根据CT算法跟踪目标的轨迹,有效地预测目标遮挡时的轨迹。实验结果表明,本算法不但可以较好地处理跟踪车辆尺寸变化的问题,在车辆丢失或被部分遮挡时,能准确而稳定地跟踪车辆,而且具有很好的实时性,满足了工程应用的需求。     

用于提高全球定位系统定位估计速度的滤波算法

为了提高全球定位系统（GPS）高精度定位的解算速度,从原理上比较了平淡卡尔曼滤波（UKF）及其改进算法和超球面平淡卡尔曼滤波（SUKF）及其改进型等非线性滤波估计算法,提出了将SUKF的改进型算法应用于单机GPS的定位估计.实验表明：该算法能够在保证高精度定位估计的前提下提高运算速度,有效解决GPS软件接收机中高精度定位输出的实时性问题.