多频码相结合渐消因子扩展卡尔曼滤波实时定位方法

基于卫星导航定位系统多频载波相位线性组合,采用较长波长的组合波观测值与码观测值,能够较快并准确地获得模糊度,在此基础上,尝试综合利用最小二乘以及渐消因子扩展Kalman滤波技术进行实时单点定位,通过应用分析,获到较好的导航定位结果,具有一定工程应用价值。     

基于“当前”统计模型的改进自适应滤波算法

针对"当前"统计模型算法跟踪弱机动目标性能较低的缺陷,在分析当前统计模型算法及滤波增益特性,参考了几种修正的当前统计模型算法思路的基础上,根据能够抑制滤波发散的渐消因子构造了基于"当前"统计模型的自适应滤波算法。仿真结果表明该算法克服了当前统计模型的缺陷,在实时性与精度两方面得到了平衡,易于工程实现。     

状态—参数联合估计方法及其在液体火箭发动机健康监控中的应用

基于传统的扩展卡尔曼滤波器（ＥＫＦ）,本文提出了一种带次优渐消因子的ＥＫＦ用于非线性时变随机动态系统状态与参数的联合估计。应用于液体火箭发动机健康监控算法的仿真研究表明,本文所提出的联合估计器具有较好的收敛性、实时性和动态跟踪能力。此外,文中还讨论了联合估计器应用于实际系统的有关问题。     

基于改进Sage-Husa自适应滤波算法的SINS/DVL组合导航

捷联惯性导航系统（SINS）与多普勒计程仪（DVL）组合导航时需考虑量测数据异常问题。针对该问题，设计一种基于渐消因子动态调整的改进Sage-Husa自适应滤波。此滤波旨在解决自适应滤波估计量测噪声参数性能对渐消因子依赖性强的问题，提升DVL量测信息异常情况下的导航精度。实验结果表明，基于渐消因子动态调整的改进Sage-Husa自适应滤波，在DVL数据异常的复杂环境中仍可具有较好的信息处理能力，导航性能提高显著，实现高精度的组合导航，具有一定的研究与参考价值。     

车辆导航Kalman滤波衰减因子自适应算法实现

系统介绍了车辆导航系统中卡尔曼滤波器的设计,给出了误差校正的方法.提出了一种衰减记忆卡尔曼滤波中衰减因子的自适应估计方法.并在INS/GPS组合导航系统中进行了计算仿真,结果表明该算法能够较好地估计出衰减因子的大小有效地抑制滤波发散,提高导航精度.     

一种高超声速飞行器组合导航新方法

针对传统INS/CNS/GNSS组合导航3个异质传感器进行信息融合主滤波器易发散以及高超声速飞行器的特性,设计了由惯导与卫星导航深组合构成子滤波器1、惯导与间接敏感地平天文导航构成子滤波器2的SINS/CNS/GNSS组合导航新方法;详细推导了基于联邦滤波的位置、速度、姿态组合算法的观测矩阵的具体形式,最后对系统进行了仿真.仿真结果表明,该方法实现了精度和可靠性的有效一致,位置、速度和姿态精度较高,而且滤波器比较稳定.     

次优Sage滤波器的改进措施

针对次优Sage自适应卡尔曼滤波器存在的不足,提出了两种改进措施:通过对滤波器发散的综合抑制,提高了滤波器的数值稳定性;设计了一种新颖的附加伴随滤波器的并行滤波结构,消除了针对结果偏移现象,提高了滤波精度。     

新的自适应渐消扩展卡尔曼滤波在GPS定位中的应用

当实际数据出现突变时,基于最小二乘、扩展卡尔曼滤波的GPS定位解算存在定位结果精度低和稳定性差的问题。提出一种自适应渐消扩展卡尔曼滤波算法,通过自适应渐消迭代系统噪声协方差,来实现抑制数据突变影响。试验结果表明:该算法相比最小二乘、扩展卡尔曼滤波,其定位精度有所提高;相比传统渐消扩展卡尔曼滤波,其收敛速度、稳定性有所提高。     

伪线性卡尔曼滤波的观测器轨迹优化算法

单站被动式跟踪存在强非线性和弱可观测性,即便观测器的运动满足可观测性条件,滤波仍然可能发散.针对此问题,使用伪线性卡尔曼滤波器,应用费希尔信息量、罗美达下限等方法对轨迹进行优化,该优化方案避免了对目标与观测器的径距信息的近似.仿真表明:该方法与传统方法比较,计算量较小,优化得到的轨迹简单,滤波精度得到改善.最后给出了在一定条件下,观测器的"最优"运动规则.     

惯性航向姿态系统初始对准仿真

惯性导航系统在使用前要进行初始对准,即建立导航坐标系.分别对粗对准和精对准进行了研究.粗对准就是由三个姿态角来得到初始姿态矩阵的过程.精对准就是卡尔曼滤波法.在静基座下对陀螺和磁罗盘组合的系统建立了十一维状态的模型,采用改进卡尔曼滤波方法进行精对准仿真研究,采取渐消记忆卡尔曼滤波以克服滤波发散.仿真结果表明,该滤波方法用于航向姿态系统对准具有较好效果.     

分级多模自适应滤波算法无人机控制系统故障诊断

应用标准的多模自适应滤波算法能够在较短时间内检测出控制系统的单一故障,但是当用于检测控制系统的双重和多重故障时,则需要建立所有可能出现的故障模型,而每一个模型都要对应一个卡尔曼滤波器,需要大量滤波器并行运算,大大增加了系统故障诊断时间,为了简化算法并减少计算时间,提出了一种用于复杂系统多重故障诊断的分级多重模型滤波算法...     

用一种自适应UKF滤波器跟踪机动目标

在非线性系统中用自适应Kalman滤波器跟踪机动目标时,必须采用扩展Kalman形式,但扩展Kalman有精度低、易发散的缺点.在标准UKF滤波器的基础上,应用无迹变换将测量坐标系下的滤波残差统计特性转换到三维笛卡儿坐标系下,根据三维坐标下的滤波残差变化实时改变过程噪声协方差矩阵的大小,实现了自适应UKF滤波.滤波器既具备UKF滤波器精度高,不易发散的优点,同时不需了解目标机动的先验信息.仿真表明了本滤波器的有效性.     

一种色噪声下的自适应Kalman跟踪滤波器

有色噪声干扰情况下非线性系统的状态估计是许多实际工程需要解决的问题.该文章针对传统Kalman滤波器噪声统计特性未知时,受色噪声的影响精度严重降低,甚至出现发散等现象,设计了一种基于神经模糊网络的自适应的Kalman滤波跟踪器.该滤波器通过利用神经模糊网络作为误差估计器,估计出Kalman滤波器的估计误差,从而对Kal...     

基于渐消因子的双机协同机动目标定位

传统的双机协同组网目标定位模型中,滤波方法大多为交互式多模型算法。交互式多模型算法的缺陷为需要目标机动先验模型,且模型个数的选择难以同时满足工程上关于跟踪精度和算法复杂性的要求。通过引入渐消因子,实时自适应校正机动目标的状态估计偏差,有效降低了目标运动先验模型对滤波的影响,提高了系统的机动处理能力和模型的工程实用性。     

一种新型杂波环境下突发机动目标跟踪算法

针对杂波环境下突发机动目标跟踪性能下降问题,提出了一种基于自适应匀加速模型的交互式自适应概率数据关联算法。该算法在交互式概率关联算法基础上,采用带渐消因子的自适应匀加速模型(ACA)与匀速模型(CV)相交互,克服了卡尔曼和扩展卡尔曼滤波的三大缺陷,保证了在突发机动下的良好跟踪性能,扩大了机动目标的跟踪范围,实现了杂波环...     

基于改进截断正态概率密度模型的防发散多尺度卡尔曼滤波

借鉴对机动频率建模的思想,对机动目标的截断正态概率密度模型进行改进,提出了一种改进的截断正态概率密度模型(ICN模型),并将防发散算法与多尺度估计理论结合,用克服滤波器发散的S(k)算法对基本的多尺度估计进行机动检测和相应改进,得到单模型单传感器系统的防发散多尺度估计算法,旨在减小噪声影响,减小机动目标模型不准确带来的跟踪误差,改善跟踪效果。     

一种自适应指数加权衰减记忆滤波算法

根据衰减记忆因子为一个常数的不尽合理性的假设,深入研究了指数加权衰减记忆滤波因子,根据滤波收敛条件和滤波模型准确时的新息(残差)特点,提出了具有自适应性、抑制滤波发散的指数加权衰减记忆滤波算法,并通过仿真试验验证了自适应抑制滤波发散的有效性。     

MIMU/GPS系统在卫星不足时的导航算法研究

随着微机电系统技术的不断发展,低成本的微型惯性测量单元在民用和军事方面应用越来越广泛,由于其测量误差较大导致系统误差出现发散的问题,通常采用卫星进行组合导航,抑制系统导航误差的发散。当可见卫星数为4颗及以上时,以松组合的方式能实现较高精度的导航,当可见卫星数低于4颗时,松组合不能正常工作,但紧组合的方式依然能正常工作,当载体出现转弯或变向运动时,导航误差出现较大波动,尤其航向角误差出现缓慢发散的趋势。针对此问题,在伪距观测的基础上,通过增加姿态观测信息,提高系统的可观测性,仿真实验表明,在增加全姿态观测信息时,MIMU/GPS紧组合导航系统的导航误差不受载体运动状态的影响。     

船舶静态电场跟踪的渐进更新扩展卡尔曼滤波器

为了实现利用船舶静态电场对船舶进行跟踪的目的,针对传统卡尔曼滤波算法中存在的问题,设计一种新的非线性滤波器。建立船舶的状态空间模型,分析传统卡尔曼滤波算法在船舶跟踪中存在的问题;依据渐进贝叶斯思想,利用连续白噪声与离散白噪声序列噪声协方差之间的关系,设计一种新的渐进更新扩展卡尔曼滤波器。仿真结果表明,该滤波器能有效地抑制由于初始误差较大而造成的滤波性能下降和滤波发散,能够有效地跟踪船舶,具有较高的实用价值。     

目标机动和观测野值的双假设滤波辨识算法

针对目标跟踪观测过程中野值和机动互存的辨识问题,根据标准Kalman滤波算法不具有容错性的特征,提出利用Kalman滤波收敛时间辨识野值抑或机动导致观测值异常的方法,以减少测量值准确有用信息的丢失。然后,采用改进3σ准则对近似服从正态分布的小测量域内观测数据进行粗略预处理,并对异常值建立了残差扰动因子的双滤波器辨识,同时以设置同步并行动态的时间计时为判决条件,有效减小了后续目标跟踪的误差。仿真实例表明:所提出的双假设辨识算法能够实现实时辨识,且有效跟踪目标。