利用Mehra自适应卡尔曼滤波进行船舶跟踪预测

海上船舶的精确跟踪和实时航迹预测是避免船只碰撞、实现海上交通安全管理的关键技术。传统卡尔曼滤波模型中存在系统缺陷,其要求噪声模型为先验知识,不符合实际应用情况。为弥补此不足,本文以Mehra自适应滤波思路为基础,提出一种自适应卡尔曼滤波算法,以动态统计的形式体现噪声模型的变化特性,并通过在线自适应调整噪声均值和协方差,及时修正滤波预测结果,提高船舶跟踪精度。最后通过仿真实验证明该算法的有效性。     

H^∞滤波在无源北斗／SINS组合导航系统中的应用

无源北斗接收机输出有色噪声大,数据跳变点多,噪声分析和建模工作困难。而传统的卡尔曼滤波存在不确定的滤波统计参数,滤波稳定性不高,提出将H^∞滤波用到无源北斗／SINS组合导航系统中。H^∞滤波追求噪声干扰对可控输出的影响最小,即强调系统的鲁棒性,而且不需要建立精确的数学模型,也不需要精确知道系统的统计特性,滤波参数设置简单。通过仿真实验验证,在相同滤波误差模型下,其滤波算法稳定性高于卡尔曼滤波的稳定性。     

自适应算法在单轴激光惯导初始对准中的应用

针对传统的卡尔曼滤波在单轴旋转激光惯导动基座初始对准中当系统噪声和量测噪声未知时,会导致滤波精度下降甚至发散的问题,设计了简化Sage-Husa自适应滤波算法,建立了动基座条件下的单轴旋转激光捷联惯导的误差方程,利用设计的算法进行了仿真,结果表明在误差模型较大时,自适应滤波算法可以很好的提高滤波精度和稳定性。     

基于无味粒子滤波和交互多模型算法的多机动目标跟踪

闪烁噪声是一种非高斯噪声．为了提高闪烁噪声下多机动目标跟踪的精度，在交互多模型IMM（Interacting Multiple Models）算法的基础上将非线性非高斯系统滤波算法——粒子滤波与IMM算法相结合，采用无味粒子滤波UPF（Unscented Particle Filter）代替IMM算法中各模型的卡尔曼滤波，提出了一种UPF—IMM算法，并应用该算法代替传统IMM_JPDA数据关联方法中的IMM部分，解决了闪烁噪声环境下的多目标跟踪问题，实验结果表明该算法可以明显地提高跟踪精度．     

无迹卡尔曼滤波及其在三维水下目标跟踪系统中的应用

无迹卡尔曼滤波算法(UFK)以少量的采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和协方差的估计．文章将其应用于三维水下目标跟踪系统中．通过系统的Mome Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度．     

基于PSO优化扩展卡尔曼滤波的电机参数估计方法研究

针对传统扩展卡尔曼滤波算法应用于感应电机参数估计时,由固定测量噪声与真实噪声的差值所引起的估计误差问题,提出了一种粒子群优化扩展卡尔曼滤波的感应电机参数估计方法.以粒子群算法对扩展卡尔曼滤波算法中人为设定的固定测量噪声进行迭代寻优,同时引入全局最优变量,避免陷入局部最优,使寻优得到的测量噪声最大程度逼近真实的噪声水平.仿真结果表明,使用粒子群优化的扩展卡尔曼滤波方法降低了感应电机参数估计的误差,证明了该方法的有效性.     

UKF和PF融合算法在动力定位船舶状态估计中的应用研究

针对船舶动力定位状态估计时使用扩展卡尔曼滤波导致模型失配而产生滤波精度不高甚至滤波发散的问题,设计一种融合无迹卡尔曼滤波和粒子滤波的动力定位船舶状态估计算法。该算法以粒子滤波作为整体框架,运用无迹卡尔曼滤波对粒子状态的每次更新进行最优化估计,从而最优化了每个粒子的状态,再根据每个粒子的重要性分布,得出船舶复合运动中的低频状态。Matlab仿真结果表明,该方法能够从含有高频和噪声干扰的测量信息中估计出的船舶低频运动状态,相比于直接使用UKF,该方法的滤波精度更高,滤波性能也比较稳定。     

基于粒子群优化卡尔曼滤波的水下机器人信号处理

在卡尔曼滤波的基础上,引入粒子群优化算法,对卡尔曼滤波方法进行改进,提出基于粒子群优化的卡尔曼滤波器模型,从而提高水下机器人测量数据的精度,降低系统噪声和量测噪声所带来的误差。水池仿真试验结果表明改进的滤波方法有效、实用。     

基于粒子滤波的水下目标被动跟踪算法

针对水下被动目标跟踪的非高斯噪声环境和弱可观性的特点,提出了将粒子滤波算法应用于水下被动目标跟踪中的非线性问题,克服了常规的线性化方法易发散且跟踪精度低、误差大的缺点.仿真结果表明:粒子滤波算法提高了滤波的稳定性,跟踪精度优于扩展卡尔曼滤波算法和无迹卡尔曼滤波算法,收到了良好的效果,具有较高的实用价值.     

基于四元素的扩展卡尔曼滤波航姿参考系统算法设计

为了优化飞行姿态信息,设计一种适用于捷联式航姿参考系统的九态扩展卡尔曼滤波算法,得到最优估计。为了验证此EKF算法的可行性和滤波效果,采用AHRS300惯性测量单元的数据进行MATLAB滤波算法仿真,把感器采集数据平滑计算后,建立精确的MATLAB算法模型作为参考。把两种结果作差比较,计算姿态角误差。从仿真结果可以看出,所设计的算法能够获得较好的姿态角精度,证明此扩展卡尔曼滤波性能良好。     

卡尔曼滤波在水下载体被动弹道跟踪系统中的应用

由于水声环境和信道的复杂性及水下航行载体的高速机动性,被动弹道跟踪系统测量的弹道样点野值较多,平滑性差.要对弹道进行较准确的实时跟踪,需要对弹道测量样点进行统计平滑处理.为了提高被动跟踪系统的定位精度和对机动目标的跟踪适应能力,采用卡尔曼滤波算法对弹道进行处理是常用的做法.介绍一种经过实用且效果较好的卡尔曼滤波算法,阐述了卡尔曼滤波算法原理和系统采用的信号模型及算法实现,并通过水下目标实航试验监测弹道及算法滤波处理结果的比较,说明该算法具有良好特性.     

捷联惯性姿态测量系统的扩展遗忘因子递推最小二乘算法研究

在实际大型动态测量船动态变形测量应用中准确确定捷联惯性姿态测量系统噪声模型和相关性比较困难,采用常规卡尔曼滤波(KF)会导致较大的状态估计误差,甚至使滤波器发散.针对这一问题,在分析扩展遗忘因子递推最小二乘(EFRLS)算法的稳定性基础上将EFRLS估计误差与带系统相关噪声的卡尔曼滤波器估计误差进行了比较,并针对大型测量船动态环境采用EFRLS算法对变形参数进行了估计,仿真结果验证了EFRLS算法在噪声信息未知情况下的有效性.     

GPS动态定位中自适应卡尔曼滤波模型的建立及其算法研究

采用描述机动载体运动的“当前”统计模型，建立了一种新的ＧＰＳ动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能，提出一种改进的自适应滤波算法，大大提高了ＧＰＳ动态定位卡尔曼滤波器的跟踪能力，改善了滤波效果。计算机仿真结果验证了该算法的有效性。     

模糊自适应Kalman滤波在INS／GPS组合导航系统中的应用

针对INS／GPS组合导航系统中因量测噪声的复杂多变造成的发散问题,引人了一种基于新息方差匹配技术的自适应模糊控制Kalman滤波算法,通过模糊控制器在线调整量测噪声方差,抑制滤波器发散,从而提高导航系统的精度。仿真结果表明该算法具有比常规Kalman滤波更高的精度。     

改进UKF算法在双基阵纯方位目标跟踪中的应用

传统算法在解决纯方位目标跟踪时存在有偏、收敛速度慢或发散等不足,无迹卡尔曼滤波（UKF）虽然改善了系统线性化误差,但并没有明显改善卡尔曼滤波器容易发散的问题。文章在扩展卡尔曼滤波和UKF算法的基础上,提出一种衰减记忆UKF算法（MAUKF）,引进衰减因子加强对当前测量数据的利用,减小历史数据对滤波的影响。理论分析和仿真结果表明,MAUKF算法在纯方位目标跟踪中的滤波精度、稳定性和收敛时间都优于EKF、UKF算法。     

舰船综合导航系统的联合卡尔曼滤波器设计

针对由惯性导航系统,全球定位系统及天文导航设备组成的舰船综合导航系统的特点,设计了联合卡尔曼滤波器,并给出了联合卡尔曼滤波器的结构及其算法。理论分析与仿真结果表明,该算法具有全局最优性,能够满足系统的精度要求,且应用该联合滤波可提高系统的容错性能。     

Comparison of robust H∞ filter and Kalman filter for initial alignment of inertial navigation system

There are many filtering methods that can be used for the initial alignment of an integrated inertial navigation system. This paper discussed the use of GPS, but focused on two kinds of filters for the initial alignment of an integrated strapdown inertial navigation system (SINS). One method is based on the Kalman filter (KF), and the other is based on the robust filter. Simulation results showed that the filter provides a quick transient response and a little more accurate estimate than KF, given substantial process noise or unknown noise statistics. So the robust filter is an effective and useful method for initial alignment of SINS. This research should make the use of SINS more popular, and is also a step for further research.     

一种船用燃气轮机强跟踪扩展卡尔曼滤波器健康参数估计方法（英文）

Monitoring and evaluating the health parameters of marine gas turbine engine help in developing predictive control techniques and maintenance schedules. Because the health parameters are unmeasurable, researchers estimate them only based on the available measurement parameters. Kalman filter-based approaches are the most commonly used estimation approaches; however, the conventional Kalman filter-based approaches have a poor robustness to the model uncertainty, and their ability to track the mutation condition is influenced by historical data. Therefore, in this paper, an improved Kalman filter-based algorithm called the strong tracking extended Kalman filter(STEKF) approach is proposed to estimate the gas turbine health parameters. The analytical expressions of Jacobian matrixes are deduced by non-equilibrium point analytical linearization to address the problem of the conventional approaches. The proposed approach was used to estimate the health parameters of a two-shaft marine gas turbine engine in the simulation environment and was compared with the extended Kalman filter(EKF) and the unscented Kalman filter(UKF). The results show that the STEKF approach not only has a computation cost similar to that of the EKF approach but also outperforms the EKF approach when the health parameters change abruptly and the noise mean value is not zero.     

基于单水听器的移动声源运动参数估计

文章基于水声信道的多途结构,提出了一种利用舰船辐射噪声的单水听器声源运动参数估计方法。首先分析了自相关和倒谱多途时延估计方法,并针对传播水槽实验中随声源与单水听器距离增加自相关和倒谱时延峰信干比降低的问题,提出了基于自相关和倒谱的联合估计方法,提高了多途时延估计的稳健性;其次针对如何利用估计出的D-SR时延差这唯一信息进行运动参数估计的问题,通过逐步分析说明了径向匀速直线移动声源的运动参数估计问题可以在卡尔曼滤波(Kalman filter,KF)框架下进行求解;最后应用扩展卡尔曼滤波(extended Kalman filter,EKF)和迭代扩展卡尔曼滤波(iterated extended Kalman filter,IEKF)对水槽实验数据进行处理,所得结果表明:EKF和IEKF都能利用D-SR时延差信息估计出移动声源的距离、深度和速度,并且IEKF比EKF的跟踪效果更好,证明了方法的正确性和有效性。