扩展卡尔曼滤波算法在船舶雷达液位测量系统中的应用

针对雷达液位计在船舶液位测量过程中由于液位波动、外界干扰或者其它突发状况导致的测量结果出现偏差以及输出不稳定的问题,提出了一种峰值滤波、低通滤波和扩展卡尔曼滤波相结合的方法对雷达液位计测量值进行滤波处理.首先,对液位信号进行峰值滤波,去除误差较大的信号,然后通过设计低通滤波器滤除液位信号中的高频噪声信号以减小噪声对测量的影响,最后采用动力学原理对雷达液位计测量过程进行扩展卡尔曼建模,通过对来自低通滤波器滤波后的结果进行扩展卡尔曼滤波提高了输出的稳定性.对实际船舶上的水舱进行实验,实验结果表明:雷达液位计的测量值经过低通滤波器和扩展卡尔曼滤波器后具有更高的稳定性、可靠性和准确性.     

基于多传感器鲁棒容积卡尔曼融合的半潜式起重平台立柱快速压载舱液位估计

在半潜式起重平台立柱快速压载舱的液位测量过程中，由于可能存在传感器故障和外界干扰等因素，从而产生观察野值并导致系统输出的可靠性降低。针对此问题，本文提出一种基于多传感器鲁棒容积卡尔曼融合（Multi-Sensor Robust Cubature Kalman Fusion,MSRCKF）的液位估计算法。借鉴Huber等价权函数的思想，引入一个自适应因子以抑制观测野值对容积卡尔曼滤波的影响，再通过基于扩展信息滤波的矩阵变换推导出近似等效于集中式融合的MSRCKF算法。仿真结果表明，MSRCKF算法可以在单传感器发生故障的情况下有效地提高液位测量系统估计值的可靠性和稳定性。     

多传感器融合技术在船舶液位监测中的应用

目前国内外许多船舶采用了液位监控系统,极大地提高了船舶的自动化程度。为了保证液位监测的准确性与可靠性,针对环境干扰易导致液位测量结果出现偏差的问题,构建新的液位监控系统,对液位测量的精度进行分析和改进。考虑液位监控系统中存在一步随机时滞的情况,对传感器测量液位的过程进行数学建模,基于卡尔曼滤波和矩阵加权融合算法,提出一种新的多传感器融合算法。通过仿真实验,表明多传感器滤波融合算法能够使液位测量更精确、更稳定,且易于故障监测和分离。     

基于UKF联邦滤波的动力定位船舶运动状态估计

针对动力定位船舶,采用基于无迹卡尔曼滤波(UKF)的联邦滤波技术,利用多种位置参考系统和电罗经的测量值来实现对船舶运动状态的估计。从传感器测量原理出发,采用非线性的测量方程,实现对多种位置参考系统传感器特征的描述,利用UKF滤波方法和联邦滤波结构将动力定位船舶配备的多个冗余位置参考系统的测量数据进行有效融合,从而提高对船舶运动状态估计的精度和可靠性。仿真结果表明,采用基于UKF的联邦滤波方法可以有效实现对动力定位船舶相关运动状态的估计。     

船舶组合导航系统综合卡尔曼滤波研究

本文首先建立了船舶组合导航系统的七维动态方程和四维测量方程,然后在对系统非线性推广卡尔曼滤波、非线性推广自适应卡尔曼滤波和克服滤波发散的方法进行分析的基础上,提出了一种新型综合卡尔曼滤波器。仿真结果证明,新方法的可靠性及精度比推广的卡尔曼滤波和推广的自适应卡尔曼滤波,都有了很大程度的改善。     

基于卡尔曼滤波的水翼艇纵向运动研究

分析了水翼艇的运动方程并通过适当的假设将其线性化,建立水翼艇纵向运动状态空间方程,同时给出了系统状态的测量方程,运用卡尔曼滤波对其纵向运动进行滤波.文中同时给出了MATLAB仿真计算结果,分析其方差和最大误差,验证了结果的正确性.     

基于UT变换改进多模型滤波的水下航行器导航方法

为了提高水下航行器组合导航系统的精度,针对滤波算法存在较大的截断误差和累积误差等问题,提出了一种基于无迹变换改进多模型滤波算法,并利用辅助信息对估计结果进行修正。首先通过无迹变换产生Sigma点对非线性测量方程进行近似,构造伪观测量进行偏差估计,然后利用基于加权因子的辅助信息融合算法,消除累积误差,进一步提高系统估计精度,最后给出算法的实现过程。仿真结果表明:与常规的多模型滤波算法相比,本文方法提高了估计精度。     

基于EKF的图像辅助定位算法

介绍几何定位过程,并对其定位误差进行仿真分析。针对几何定位误差很大且与下视角大小密切相关的问题,采用扩展卡尔曼滤波算法(EKF)抑制测量噪声的影响,提高飞行器的定位精度。建立飞行器运动的状态空间模型,针对测量方程的非线性特点,对其进行线性化处理。在此基础上,采用EKF算法实时估计飞行器的空间位置坐标;通过数字仿真对滤波算法的定位效果进行检验;对影响滤波算法定位精度的因素进行分析并对不同飞行高度下的定位误差进行数字仿真。结果表明,算法收敛速度快,定位精度高,可显著减小测量噪声的影响,具有一定的工程应用价值。     

超平面滤波算法在卫星姿态确定中的应用

基于状态估计法的陀螺仪／星敏感器组合卫星姿态测量系统，采用传统卡尔曼滤波算法进行状态估计。但由于卡尔曼滤波算法存在较大误差，因此提出采用超平面调整卡尔曼滤波器的方法提高估计精度。通过仿真证明，该方案既能抑制滤波发散，又能提高卫星姿态确定系统估计精度。     

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。     

Alpha-beta滤波在船舶动力定位状态估计中的应用

船舶动力定位系统已广泛应用于海洋工程中,状态估计是动力定位系统的重要组成部分。在工程应用中,状态估计方法主要采用基于卡尔曼滤波的算法,但是这些算法对于船舶首向的滤波效果并不理想。alphabeta滤波是一种不基于模型的稳定常增益滤波器,其结构与卡尔曼滤波类似。本文设计了一种混合滤波器,采用alpha-beta滤波对船舶首向进行滤波,扩展卡尔曼滤波对船舶横向和纵向进行滤波,以改善船舶首向的滤波效果。通过将混合滤波器的滤波效果与扩展卡尔曼滤波器进行对比,验证了alpha-beta滤波用于船舶首向滤波的可行性和有效性。     

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。     

基于FGU的船体变形测量技术中时间延迟补偿方法研究

基于光纤惯性测量单元(Fiber Gyro Unit,简称FGU)的角速率匹配法是船体变形测量技术的发展方向,但是在实际应用中两套测量单元之间存在时间延迟,会影响船体变形测量精度。该文分析了时间延迟的产生机理以及时间延迟对变形估计的影响。并基于二阶马尔科夫模型对船体变形建模,建立卡尔曼滤波状态方程和量测方程,提出了一种时间延迟补偿方法,将时间延迟扩充为状态量,对其进行实时的估计和补偿。最后通过仿真并结合实船试验数据,对比分析了时间延迟补偿前后的变形估计效果,验证了此方法的有效性。     

基于水声传感器网络的目标纯方位运动分析

研究了基于水声传感器网络的目标纯方位运动分析原理及方法,建立了基于水声传感器网络的目标运动分析模型。在此基础上,讨论了模型中多维非线性估计问题,提出了一种基于传感器网络新的水下目标运动分析方法。该方法采用改进的粒子滤波EKF-PF(扩展卡尔曼-粒子滤波)算法实现,并与传统的扩展卡尔曼滤波(EKF)和粒子滤波(PF)算法进行了比较。通过Monte Carlo仿真分析,表明基于水声传感器网络的目标运动分析方法充分利用了网络的优势和当前测量信息。这种方法对水下目标运动状态估计时,不仅降低了计算量而且表现出较高的估计精度。所得结论为水下传感器网络进行目标被动定位提供了参考。     

基于平方根滤波的GPS/INS紧组合导航算法优化研究

在运用传统的紧组合导航卡尔曼滤波算法计算过程中,出现了一种现象,本应按滤波方程计算的估计误差随着时间的增加趋于零或者趋于一个稳态值。但估计值相对于实际上的值的偏差越来越大。从而使卡尔曼滤波器逐渐失去作用,这种现象称为滤波器的发散。论文对传统的卡尔曼滤波算法进行优化,分别运用了平方根滤波算法和传统的卡尔曼滤波算法进行了仿真实验,仿真分析结果验证了平方根滤波算法的可行性和有效性。     

基于USQUE的四元数容积卡尔曼滤波算法在组合导航中的应用

组合导航是导航领域中一个重要的研究领域和应用方向。传统的基于惯导误差模型的组合导航模式,因模型在建立过程存在各种近似计算,这必然使得建立的模型中引入诸多近似误差和模型误差,因此,其信息融合的估计精度下降。论文基于USQUE计算流程,提出一种四元数容积卡尔曼滤波算法,并将该算法应用于SINS/GPS位置松组合导航问题当中,仿真结果验证该算法的有效性并且具有较高的估计精度。     

海面浮动光电平台对空无源定位与跟踪

提出利用海面浮动光电平台在波浪作用下的机动实现对空中目标定位与跟踪的方法。建立基于角度与角速度实现无源定位的数学模型,采用无迹卡尔曼滤波进行噪声干扰下的跟踪滤波,通过仿真分析了滤波算法在目标固定不动和目标匀速运动2种情况下的有效性。结果表明,对于含有零均值高斯噪声的角度和角速度测量数据,利用无迹卡尔曼滤波可以进行距离估算,并具有一定的精度和稳定性。     

基于SVD的复数UKF及电力系统对称分量估计

电力系统对称分量的检测对于电力系统安全稳定的运行具有很重要的意义。利用复数域无迹卡尔曼滤波算法,对三相电压系统的正负序分量及频率进行了估计。为了提高复数无迹卡尔曼滤波的参数估计精度及算法稳定性,引入最优自适应因子并对预测协方差矩阵进行SVD分解,提出了基于SVD的自适应CUKF算法。为消除零序分量,对三相电压分量进行αβ变换,定义了复数形式的状态变量,建立了非线性状态方程及观测方程,实现了正序、负序对称分量估计。通过与普通复数域无迹卡尔曼滤波算法对比,所提研究方法在估计精度及收敛速度等方面优于传统无迹卡尔曼滤波方法。     

基于改进自适应Kalman滤波的地铁变形监测研究

为解决传统自适应卡尔曼滤波收敛速度缓慢甚至发散的问题,提出一种改进自适应卡尔曼滤波算法。该方法在传统算法的基础上引入一个指数型衰减因子,并且根据残差序列保持正交的特性,推导出能够抑制滤波发散的幂值表达式,使得在信息输入的每一步中,都能保证对滤波增益阵进行实时修正,使其达到最优,从而降低陈旧测量值对估计过程的影响并能快速趋近于真实值。将提出的算法应用到地铁变形监测中,通过与经典卡尔曼滤波算法、方差补偿自适应卡尔曼滤波算法的比较,仿真结果显示提出的算法具有收敛速度快的优势,同时提高了精确性与稳定性。