平方根求积分卡尔曼滤波器

 针对具有加性噪声的非线性高斯动态系统的状态估计问题,本文提出一种近似递归的高斯滤波器:平方根求积分卡尔曼滤波器(SRQKF).该滤波器是在求积分卡尔曼滤波器(QKF)基础上的平方根实现形式,使用统计线性回归的方法,通过一套参数化高斯密度的高斯-厄米特积分点来线性化非线性函数的;滤波器采用平方根的实现方法,不仅增强了数值的鲁棒性,确保了状态协方差矩阵的半正定性,而且在一定程度上提高了滤波精度.仿真实验表明,SRQKF的滤波精度比QKF提高约12%,且均高于无味滤波器(UF)和扩展卡尔曼滤波器(EKF),但这二者的计算复杂度均比UF和EKF大.对滤波精度要求比较高的非线性场合,新滤波器是一种很有效的非线性滤波算法.     

自适应非线性GM-PHD滤波及在无源跟踪中的应用

首先针对无源传感器目标跟踪中的非线性问题,将高斯-厄米特求积分规则运用于高斯混合概率假设密度滤波,提出一种求积分卡尔曼概率假设密度滤波。其次,针对未知时变过程噪声,将基于极大后验估计原理的噪声估计器运用到概率假设密度滤波中,同时依据目标状态一步预测与状态滤波结果之间的残差,提出一种对滤波发散情况判断和抑制的算法。最后通过无源传感器双站跟踪仿真表明:相较于已有的非线性高斯混合概率假设密度滤波,所提算法有更高的精度,并且在未知时变噪声环境中具有较好跟踪效果。     

高斯-厄米特粒子滤波器

针对非线性、非高斯系统状态的在线估计问题,本文提出一种新的基于序贯重要性抽样的粒子滤波算法.在滤波算法中,我们用一簇高斯-厄米特滤波器(GHF)来产生重要性概率密度函数.此概率密度在系统状态的转移概率的基础上融入最新的观测数据,因此更接近于系统状态的后验概率.理论分析与实验结果表明:在观测模型具有高精度的场合或似然函数位于系统状态转移概率的尾部时,用GHF产生重要性概率密度函数的粒子滤波即高斯-厄米特粒子滤波(GHPF)的性能要明显地优于标准的粒子滤波、扩展的卡尔曼滤波、GHF.     

基于二阶广义积分的单相有源电力滤波器

为了有效抑制小型低功耗单相负载的谐波电流,设计了一种基于二阶广义积分控制方法的单相有源电力滤波器(APF).该滤波器在无电压先验信息的情况下,使用二阶广义积分算法处理失真的负载电流,从而获得正确的参考栅极电流.因此,无需提供电压传感器,仅使用两个电流传感器来测量负载和转换器电流.此外,无需使用比例积分调节器,并且无需为...     

厄米-高斯光束在饱和非线性介质中的传输特性

为了研究厄米-高斯光束在光折变饱和非线性介质中的传输特性,采用有限差分方法数值求解了光波演化方程,理论分析了厄米-高斯光束的传输特性。结果表明,1维1阶、2阶和3阶厄米-高斯光束在光折变非线性介质中传输时,在合适的非线性条件下,均可以形成呼吸模式的孤子;随着非线性的加大,厄米-高斯光束的光场分量之间的相互分离趋势将逐渐变弱,同时,每个光场分量的振幅起伏效应会更加明显;改变厄米-高斯光束的入射位置、入射角度对其传输特性没有影响;2维厄米-高斯光束的传输特性和1维情况是类似的。厄米-高斯光束的这些特性在光开关领域有一定的应用前景。     

基于统计线性回归的粒子滤波方法

针对非线性、非高斯系统的状态估计问题,该文提出了一种基于统计线性回归的粒子滤波算法。在该算法中,首先对非线性函数基于统计线性回归展开,并利用高斯积分估计回归系数,依此产生重要性密度函数。该密度函数融入了最新的观测信息,扩大了与系统真实后验密度的重叠区域。理论分析和实验结果表明,该算法具有较高的估计精度,与一般的粒子滤波算法相比,有较好的稳定性和较低的计算量。     

基于强跟踪GHF的里程计辅助SINS动基座对准研究

为提高车载捷联惯导系统动基座初始对准精度,提出了一种强跟踪降维高斯-厄米特非线性动基座初始对准算法。里程计辅助捷联惯导粗对准后水平姿态误差角为小角度,里程计辅助捷联惯导动基座对准模型简化为大方位失准角非线性模型,采用降维高斯-厄米特滤波(GHF),以少数非线性状态积分点估计整个系统状态,减少计算量,应用强跟踪滤波,提高系统对突变的滤波状态的跟踪能力。实验表明,应用强跟踪降维高斯-厄米特滤波提高了动基座初始对准精度,减少了计算量,提高了滤波的稳定性。     

基于FBG传感系统的可调光滤波器非线性研究

采用光纤布拉格光栅(FBG)传感系统研究压电陶瓷(PZT)驱动法布里-珀罗(F-P)型可调谐光滤波器(TOF)的非线性特性。基于多光束干涉理论建立了TOF的非线性模型,推导了透射带波长和自由光谱范围(FSR)对驱动电压的非线性响应;基于FBG传感系统测试了F-P型TOF的波长非线性,并采用多项式拟合对其进行描述,实测F-P型TOF波长的非线性误差最大为1.006 nm;基于F-P型TOF的非线性模型,研究了其波长定位误差,并提出采用参考光栅的方法降低波长定位误差。实验表明,F-P型TOF的波长随机误差可由73～81 pm降至12 pm以下。     

非线性系统故障诊断的粒子滤波方法

针对粒子滤波存在粒子退化问题,提出一种基于无迹卡尔曼滤波和部分重采样的改进的粒子滤波算法.通过无迹卡尔曼滤波产生重要性分布函数和使用部分重采样算法进行重采样,以丰富粒子的多样性.并针对非线性系统故障诊断中非高斯背景下,似然函数检测量难以导出的问题,提出一种基于多模型和似然函数值的诊断方法.仿真结果表明:改进的滤波算法的估计精度优于标准的粒子滤波算法及其现有的两种改进算法,提出的故障诊断方法能够做到快速检测与准确隔离.     

Novel Simplex Unscented Transform and Filter

In this paper,a new simplex unscented transform（UT）based Schmidt orthogonal algorithm and a new filter method based on this transform are proposed.This filter has less computation consumption than UKF（unscented Kalman filter）,SUKF（simplex unscented Kalman filter）and EKF（extended Kalman filter）.Computer simulation shows that this filter has the same performance as UKF and SUKF,and according to the analysis of the computational requirements of EKF,UKF and SUKF,this filter has preferable practicality value.Finally,the appendix shows the efficiency for this UT.     

一种基于平方根卡尔曼的二阶滤波算法的研究

在平方根Kalman滤波(SREKF)算法的基础上,本文研究一种二阶非线性滤波算法。该算法利用状态误差协方差阵的平方根因式对状态向量作正交变换,消除状态误差项之间的相关性,从而降低了二阶滤波算法的运算量。通过仿真验证了该算法的效能。     

无敏变换在非线性状态估计中的应用

传统的非线性状态估计,均需要对非线性传输函数采用线性化技术进行逼近,如扩展卡尔曼滤波（EKF）,当雅克比矩阵不可解或强非线性条件下时,线性化技术就受到应用的局限性。针对这一情况,介绍了一种新的变换-无敏变换（Unscented Transform）,阐明了该变换的优点,并研究了该变换与传统的卡尔曼滤波算法相结合,所衍生出的无敏卡尔曼滤波（Unscented Filter）算法。最后,通过算法仿真,与扩展卡尔曼滤波（EKF）算法相比较,验证了该变换在高斯环境下的优越性。     

强跟踪自适应平方根容积卡尔曼滤波算法

针对强跟踪滤波器（STF）的理论局限性及不良测量导致的滤波性能下降问题,提出了一种强跟踪自适应平方根容积卡尔曼滤波（SRCKF）算法。利用新息协方差匹配原理,建立对不良测量具有鲁棒性的自适应SRCKF 。基于STF的理论框架,采用自适应SRCKF代替扩展卡尔曼滤波构建强跟踪自适应SRCKF 。该算法兼具STF与自适应SR-CKF的优点,在系统同时存在模型不确定性及不良测量时具有良好的滤波性能。仿真验证了所建算法的有效性。     

正交检波中滤波器的优化设计

正交检波是重要的信号处理技术，本文研究了他的核心器件——滤波器在FPGA中的实现方法。与优化了的低通滤波器实现相比．本文提出的方法综合使用了多相滤波和简化加法器图技术，在镜频抑制比有所改善的同时，数据吞吐率加倍，使用的资源大大减少。     

基于WLS-KF的GPS非线性动态滤波研究

为了提高动态定位精度,将卡尔曼（KF）算法应用到GPS非线性动态定位解算中,提出加权最小二乘-卡尔曼滤波（WLS-KF）算法。通过加权最小二乘（WLS）算法得到近似的线性化模型,再将KF算法应用到这个线性化模型进行校正。因此既保持了KF算法能够对系统状态进行最优估算的优点,同时对各个测量值进行了联系制约,具有更高的精度。结果表明,这种方法精度介于EKF和UKF之间,且实现容易,预测可靠,具有实际应用价值。     

一种卡尔曼滤波与粒子滤波相结合的非线性滤波算法

提出一种基于卡尔曼滤波与粒子滤波的非线性滤波算法.这种方法对于状态变量服从线性变化而观测方程为非线性的动态系统模型具有显著的效果.首先使用粒子滤波对状态变量进行初估计,然后对估计结果进行卡尔曼滤波,另外推导出该系统模型下状态变量估计误差的克拉美劳下界.通过计算复杂度分析及仿真实验验证,表明新方法与标准粒子滤波算法复杂度相当,但参数估计精度要高于标准粒子滤波以及扩展卡尔曼滤波算法,估计误差甚至要低于系统模型的克拉美劳下界.     

Kalman线性滤波在非线性动态系统中的运用

简要介绍了在工程实践中针对飞行目标航迹的联合与滤波问题的一种思路与作法。文章涉及线性动态系统方程、探测器测量方程、Kalman滤波方程、坐标转换及转换后方差的近似计算、航迹联合关联域的确定等多方面内客，并对部分相关计算数据进行了简要地分析与评价。