光电跟踪模型噪声卡尔曼滤波算法

为减小滤波性能对跟踪目标状态空间模型噪声的敏感性,提出一种基于新息同时更新系统噪声方差和测量噪声方差方法,并将其与非线性卡尔曼滤波类算法相结合,构成一类适用于光电跟踪目标的自适应非线性卡尔曼滤波算法.同时将此方法应用到非线性测量光电跟踪系统中,并与扩展卡尔曼滤波和U卡尔曼滤波进行性能对比.仿真实验结果证明该方法可以实时调整系统噪声方差和测量噪声方差,有效地避免由于系统模型噪声统计特性不准确所带来的滤波性能下降的问题,而且其性能明显优于扩展卡尔曼滤波和U卡尔曼滤波.     

强跟踪-容积卡尔曼滤波在弹道式再入目标跟踪中的应用

对于具有一定机动能力的弹道式再入目标跟踪问题,稳定性好、鲁棒性强、收敛精度高的估计方法是保证跟踪精度的关键。针对再入运动模型和测量体制的强非线性以及目标机动引起的滤波精度下降问题,提出一种将强跟踪滤波(STF)和基于三阶球面-向径容积规则的容积卡尔曼滤波(CKF)相结合的强跟踪-容积卡尔曼滤波(STCKF)。通过将强跟踪算法中的自适应渐消因子引入到滤波时间更新和测量更新方程中,在线实时调整滤波增益矩阵,能有效避免模型失准造成的滤波性能下降,使该算法兼具CKF滤波精度高和STF鲁棒性强的优点。通过数学仿真表明,改进后的STCKF可以实现对具有机动的弹道式再入目标的高精度跟踪,相对于CKF精度提高50%,并且具有更强的鲁棒性和自适应能力。     

环路跟踪卡尔曼滤波算法的性能分析

基于卡尔曼滤波的环路跟踪算法多是通过一定仿真证明算法性能,没有系统性性能评估,难以较好指导工程应用。在原有算法基础上进行了优化,并系统性地对比分析、评估了基于卡尔曼环路滤波算法性能,以期为算法工程化提供指导。首先提出对跟踪环路反馈调整量进行预测,使之更符合系统实际,减小环路跟踪误差。而后基于卫星信号模拟器输出信号和自生产信号源,充分评估基于卡尔曼滤波环路跟踪算法的收敛时间和灵敏度。仿真结果表明,相比目前工程常用的二阶FFL辅助三阶PLL算法,基于卡尔曼滤波环路跟踪算法能够缩短环路所需稳定时间约90%,并能提升跟踪灵敏度约5 d B,有效改善弱信号场景中接收机输出信息的完好性和连续性。     

自适应卡尔曼滤波在惯性测量组合误差补偿中的应用

惯性元件误差是捷联惯导系统的主要误差源，必须在导航过程中加以补偿。根据机动目标跟踪理论和惯性测量组合动态模型，分别建立状态方程和观测方程，利用机动频率自适应的算法进行卡尔曼滤波，以此达到惯性测量组合动态误差和随机误差补偿的目的。仿真结果说明该方法可行有效，优于传统的误差补偿算法，能较好地提高系统导航精度。     

一种快速跟踪的卡尔曼滤波算法及其在舰船组合导航中的应用

在用卡尔曼滤波算法估计动态系统的状态时,如果系统运动状态发生突变,会导致滤波估值不能及时跟踪系统真实状态的变化。本从算法上分析了产生这种现象的原因,提出了根据不同传感器观测值的误差特点对算法进行改进的方法,使得卡尔曼滤波器跟踪速度和滤波精度大大提高,并将其成功地应用于推算船位/GPS组合导航系统。     

一类加权全局迭代参数卡尔曼滤波算法

结合参数卡尔曼滤波算法和全局迭代推广卡尔曼滤波算法本文提出了加权全局迭代参数卡尔曼滤波算法。参数卡尔曼滤波算法可避免系统参数和状态变量之间的非线性耦合 ,同时通过带有目标函数的全局迭代算法保证能够获取到稳定、收敛的识别结果。分别针对线性结构模型和随动强化双线性结构模型进行了仿真参数识别。结果显示 ,不加权的全局迭代参数卡尔曼滤波算法对线性系统是有效的 ,而对非线性系统必须使用加权的全局迭代参数卡尔曼滤波算法。当信噪比较大 ,迭代无法得到收敛的结果时 ,目标函数保证了较好识别结果的获得     

自适应卡尔曼滤波在移动卫星通讯系统中的应用

研究了自适应卡尔曼滤波技术在移动卫星通讯系统中的应用.首先分析长时间工作的移动卫星通讯系统对导航定位系统的要求,其次通过对系统建模建立系统方程,利用GPS信息和激光陀螺惯性导航系统(LINS)信息建立量测方程.为了避免滤波发散,卡尔曼滤波算法采用Sage&Husa算法.最后给出在北京西郊跑车实验的结果.实验结果表明采用自适应卡尔曼滤波技术的LINS/GPS组合导航系统可以有效地改善移动卫星通讯系统的性能.     

改进的强跟踪UKF算法及其在INS/GPS组合导航中的应用

针对标准UKF缺乏对系统状态异常的自适应调整能力,导致滤波精度降低的问题,提出一种改进的强跟踪UKF算法。该算法采用假设检验的方法对异常状态进行检测,当系统状态发生异常时,对预测协方差阵引入次优渐消因子自适应的调整滤波增益,实现对系统真实状态的强跟踪。该算法中次优渐消因子的确定无需计算系统模型的雅克比矩阵,提高了传统强跟踪UKF的实用性。将提出的算法应用于INS/GPS组合导航系统进行仿真验证,并与标准UKF进行比较,结果表明,在系统状态存在异常时,提出的带单重次优渐消因子的强跟踪UKF得到的东向、北向位置误差在[-13.7 m,14.9 m]以内,带多重次优渐消因子的强跟踪UKF得到的东向、北向位置误差在[-10.0 m,12.1 m]以内,滤波性能明显优于标准UKF,提高了组合导航系统的解算精度。     

基于平方根无迹卡尔曼滤波平滑算法的水下纯方位目标跟踪（英文）

为了避免被动跟踪中非线性带来的计算复杂化及跟踪精度的下降,提出将平方根无迹卡尔曼滤波平滑算法(SR-UKFS)应用到水下纯方位目标跟踪。SR-UKFS利用Rauch-Tung-Striebel(RTS)平滑算法将平方根无迹卡尔曼滤波(SR-UKF)作为前向滤波算法得到的目标状态估计向后平滑,得到前一时刻目标状态估计,再利用该状态估计值进行再次滤波得到当前时刻目标状态估计。该算法得到的前一时刻的目标状态估计更加精确,从而进一步提高了目标跟踪的精度。最后,通过对SR-UKFS算法和SR-UKF算法的跟踪性能进行了对比分析和验证,仿真结果表明在相同条件下,SR-UKFS算法能减少59%的位置误差和54%的速度误差,SR-UKFS算法应用于水下纯方位目标跟踪系统是有效的,为水下纯方位目标跟踪系统的工程实现提供了非常有价值的参考。     

一种融合互补滤波和卡尔曼滤波高精度姿态测量算法

针对在4级海况下船体大幅度晃动,甚至丢失GPS信号的复杂环境,常规算法会导致姿态测量精度急剧下降的情形,为‘动中通’中的航姿系统设计了一套姿态融合算法。在GPS有效时,卡尔曼滤波的观测量引入双天线GPS输出的航向角,解决航向角观测性弱和估计不准的问题,同时引入互补滤波得到的陀螺修正量,提高了水平姿态角的可观性,融合两种算法提高了解算精度。在GPS无效时,通过互补滤波,抑制陀螺漂移,输出高精度水平姿态角,配合天线所接收信号的强度使‘动中通’正常工作。为验证算法的有效性,进行了动态实验,实验结果表明:该算法在GPS有效的情况下能保证俯仰滚动角(RMSE标准)精度在0.2°以内,航向角精度在0.5°以内,在GPS无效情况下也可使俯仰和滚动角精度长时间维持在0.3°以内,具有一定的工程应用价值。     

Unscented Kalman filtering for nonlinear structural dynamics

Joint estimation of unknown model parameters and unobserved state components for stochastic, nonlinear dynamic systems is customarily pursued via the extended Kalman filter (EKF). However, in the presence of severe nonlinearities in the equations governing system evolution, the EKF can become unstable and accuracy of the estimates gets poor. To improve the results, in this paper we account for recent developments in the field of statistical linearization and propose an unscented Kalman filtering procedure. In the case of softening single degree-of-freedom structural systems, we show that the performance of the unscented Kalman filter (UKF), in terms of state tracking and model calibration, is significantly superior to that of the EKF.     

权值自适应调整Unscented粒子滤波及其在组合导航中的应用

针对粒子滤波存在的重要性密度函数难以选取和粒子退化问题,提出了一种新的权值自适应调整Unscented粒子滤波算法。该算法在Unscented粒子滤波的采样过程中吸收权值自适应调整的优点,考虑最新量测影响,通过欧氏距离和反映量测噪声统计特性的精度因子来自适应的调整粒子对应权值分布,增加有用粒子的权值,降低粒子退化程度,保持粒子多样性。同时Unscented变换提高了滤波精度,使该算法能更好地适用于非线性、非高斯系统模型的计算。将提出的算法应用于GPS/DR组合导航系统进行仿真验证,结果表明,提出的权值自适应调整Unscented粒子滤波算法得到的东向定位误差控制在±5.5 m附近,北向定位误差则在±5.2 m附近,滤波性能明显优于扩展卡尔曼滤波和Unscented粒子滤波,能提高GPS/DR组合导航系统解算精度。     

UKF滤波技术在AUV组合导航中的应用研究

高精度的导航定位是AUV研究中所面临的主要挑战之一。采用GPS辅助的INS／DVL组合导航是目前AUV的主流导航模式。当前实现GPS／INS／DVL组合导航的技术主要有航迹推算(DR)和卡尔曼滤波。中将UKF(Unscented Kalman Filter)滤波技术应用于AUV组合导航，并把UKF与传统的DR和EKF(Extended Kalman filter)方法进行了仿真比较研究。仿真结果表明，UKF在计算量上与EKF相当，但是UKF的位置、航向估计精度都要优于DR和EKF。     

Identification of tire forces using Dual Unscented Kalman Filter algorithm

Nowadays, application of active control systems in vehicles has been developed in order to increase safety and steerability. In these systems, using an appropriate dynamic model can be very effective in increasing the accuracy of simulations and analysis. Tire-road forces are crucial in vehicle dynamics and control since they are the only forces that a vehicle experiences from the ground and have maximum uncertainty on vehicle dynamic model. In order to simulate the non-linear regimes of vehicle motion, the ‘Pacejka’ tire model is being utilized. In this paper, a dynamic model with Dual Unscented Kalman Filter algorithm has been utilized to identify the lateral forces, side slip angle, and normal forces of tires. In order to solve the non-linear least squares problem, these parameters were given as input to the hybrid Levenberg–Marquardt and quasi Newton algorithm to find the Pacejka tire model coefficients in the offline mode. Four degrees of freedom vehicle model combined with Pacejka tire model are used for simulation in various maneuvers. Results show appropriate compatibility with CarSim software.     

基于有色噪声的改进卡尔曼滤波方法

为了解决实际工程中微机械惯性测量单元加速度计数据存在有色噪声导致计算的姿态角波动异常的问题,提出一种基于有色噪声的改进卡尔曼滤波方法。通过对有色噪声的特点进行分析,建立了针对有色噪声的状态预测协方差公式、卡尔曼滤波增益公式、系统状态与动态有色噪声的协方差公式、测量值与观测有色噪声的协方差公式,推导出处理有色噪声的卡尔曼滤波公式。仿真试验表明,改进的卡尔曼滤波方法能有效解决有色噪声导致的姿态角波动异常问题,证明了基于白噪声的卡尔曼滤波是基于有色噪声卡尔曼滤波的特例。     

Stability indicative function and its application to systems with time delay

Summary For investigating stability of linear systems with time delay, it is not sufficient to know critical values of such a parameter as time delay. In order to determine whether or not the system is stable for a given delay, the stability indicative function is introduced. This function is applied to second- and third-order linear systems with time delay and the stability regions of several cases are obtained. Some examples clearly show that the existence of time delay may make a stable system unstable or an unstable system stable. This phenomenon is explained from a theoretical point of view.

---

Übersicht Die Ermittlung kritischer Totzeitwerte ist nicht ausreichend für Stabilitätsuntersuchungen von linearen Systemen mit Totzeiten, die durch Differential-Differenzen-Gleichungen beschrieben werden. Um festzustellen, ob ein System mit vorgegebener Totzeit stabil ist, kann man eine stabilitätsbestimmende Funktion einführen und untersuchen. Diese Funktion wird benutzt, um lineare Systeme zweiter und dritter Ordnung zu studieren und die Stabilitätsgebiete für verschiedene Fälle zu bestimmen. Beispiele zeigen, daß das Auftreten von Totzeiten stabile Systeme unstabil machen kann und umgekehrt unstabile Systeme stabilisieren kann.

---

---

This research was supported by the Air Force Office of Scientific Research, Office of Aerospace Research, under Contract AF 49 (638) 1431.     

自适应Sage-Husa粒子滤波及其在组合导航中的应用

针对非线性滤波问题,提出一种新的自适应Sage-Husa粒子滤波算法。通过Sage-Husa滤波方法计算状态估值和协方差阵来获得重要性密度分布函数,充分考虑了最新量测信息的影响,并利用欧氏距离和反映量测噪声统计特性的精度因子自适应地调整粒子权值的分布,降低粒子退化程度,提高了滤波精度,适用于非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,与扩展Kalman滤波和粒子滤波比较,仿真结果表明,自适应Sage-Husa粒子滤波能提高导航系统定位的解算精度,得到的东向和北向定位误差控制在?5.3m附近,其性能明显优于扩展Kalman滤波和粒子滤波。     

抗野值自适应卡尔曼滤波方法的研究

针对陀螺漂移信号中野值的不良影响。从量测噪声自适应Kalman滤波算法出发，首次提出了抗野值自适应Kalman滤波方法，并在其基础上进行了分析，提出一种改进的算法．通过对某型号高精度寻北仪中的试验证明，该算法能够有效去除寻北仪信号中的野值，提高寻北仪的寻北精度，并且对系统的量测噪声不敏感．