一种改进的最小二乘滤波法

最小二乘滤波方法常被用于对低速目标的跟踪滤波。本文通过对最小二乘滤波法的系数矩阵性态分析，指出在一定的条件下，最小二乘滤波法是不稳定的，并给出了一种稳定的改进的最小二乘滤波法。     

一种改进的最小二乘滤波法

最小二乘滤波方法常被用于对低速目标的跟踪滤波。本文通过对最小二乘滤波法的系数矩阵性态的分析,指出在一定的条件下,最小二乘滤波法是不稳定的,并给出了一种稳定的改进的最小二乘滤波法。     

渐消记忆滤波器在海上探雷试验中的应用

在海上进行探测水雷的试验中,常常因为船体的摇摆而使回波图像中目标的位置不固定,影响了水雷探测的准确性。研究基于Kalman滤波理论的渐消记忆递归最小二乘法,探讨渐消记忆递归最小二乘法在图像重建中的应用,并用于实现对回波图像的更新。结果表明,渐消记忆滤波器通过引入旧数据对图像更新的影响,使得回波图像中目标位置的变化具有连续性。     

海底水平阵性能分析

矩阵滤波技术是通过设计一个全局优化的空域滤波器,使得该滤波器对不感兴趣的区域响应尽可能小,对感兴趣的区域响应尽可能不失真,基于该原理可以消除阻带区域的干扰噪声,并且保留通带区域的弱目标信息,是一种比较实用的弱目标定位检测方法,但其定位精度受很多因素制约。本文首先介绍最小二乘矩阵滤波器的设计原理、匹配场噪声抑制原理及归一化通阻带误差的计算公式,然后针对矩阵滤波器应用于海底水平阵的方法,分别从声源频率、阵元个数和阵元间距3个方面分析研究影响海底水平阵性能的因素,总结出使滤波器能够达到比较好的滤波状态时的因素条件,进而提高滤波性能。     

水声纯方位目标跟踪快速收敛算法

基于EKF的纯方位目标状态滤波器的性能依赖状态初值的选取,为了有效地提高估计的收敛速度,提出了一种滤波器状态初始化方法.首先,简要阐述了修正极坐标系下的推广卡尔曼滤波算法(EKF).然后,基于非线性最小二乘法的思想,推导了一种滤波器状态初始化方法.针对实际应用背景,提出一种组合滤波器结构并进行了仿真验证.结果表明,该算法收敛速度快,滤波精度与EKF相当.     

基于快速DFT及RLS自适应滤波器的谐波电流提取

本文提出一种基于智能Goertzel算法和自适应RLS滤波器的谐波提取算法，用于控制有源电力滤波器。快速Goertzel算法可用于从负载电流中提取特定次谐波的幅值和相位信息，再利用递归最小二乘法滤波器进行滤波可得到参考谐波电流值。这种混合FG-RLS控制算法可适应不平衡负载及突变负载的补偿工作。本文通过仿真验证了这种算法的优越性能。     

船舶动力定位自适应滤波器设计

传统的陷波滤波器虽然能够很好的滤除一阶高频海浪波,但是滤波的同时也使得信号产生了相位滞后,在时域里面的表现就是信号的延时。卡尔曼滤波器虽然能够解决这一问题,但是其非常依赖于船舶模型。本文针对传统陷波滤波器的缺陷,使用了一种积分补偿型陷波滤波器,对传统的陷波滤波器进行改进。并以某拖轮为仿真对象进行仿真实验,其结果表明,该滤波器不但能够很好的滤除高频海浪波,还能够保持很好的相位特性。同时,递推的最小二乘估计(RLS)方法能够实时的估计出海浪的主导波频,使得陷波滤波器具有很好的自适应性。     

船舶动力定位自适应滤波器设计

传统的陷波滤波器虽然能够很好的滤除一阶高频海浪波,但是滤波的同时也使得信号产生了相位滞后,在时域里面的表现就是信号的延时.卡尔曼滤波器虽然能够解决这一问题,但是其非常依赖于船舶模型.本文针对传统陷波滤波器的缺陷,使用了一种积分补偿型陷波滤波器,对传统的陷波滤波器进行改进.并以某拖轮为仿真对象进行仿真实验,其结果表明,该滤波器不但能够很好的滤除高频海浪波,还能够保持很好的相位特性.同时,递推的最小二乘估计(RLS)方法能够实时的估计出海浪的主导波频,使得陷波滤波器具有很好的自适应性.     

海底水平阵的空域矩阵滤波干扰抑制方法

针对矩阵滤波在水平阵的应用问题,提出一种将矩阵滤波应用于海底水平阵的方法。该方法首先利用最小二乘矩阵滤波器对阵列信号进行空域滤波,然后利用浅海海底水平阵进行匹配场定位,并在相同基阵孔径和阵元条件下,与拖曳阵的滤波定位效果进行比较。仿真结果表明,海底水平阵矩阵滤波方法能够有效地抑制给定区域的噪声干扰,实现对水下弱目标定位的目的。且在相同基阵孔径和阵元条件下,置于海底水平阵的干扰源抑制效果要优于拖曳水平线列阵。     

最小二乘矩阵滤波器设计与性能分析

提出最小二乘矩阵滤波器设计方法,将矩阵滤波器设计问题转化为超定线性方程组求解问题,通过求最小二乘解,给出了最小二乘矩阵滤波器表达式,利用奇异值分解,给出了滤波器简化表达式和总体误差.系统分析了通带位置、通带宽度和阵元数对最小二乘矩阵滤波器效果的影响,为矩阵滤波器设计和应用提供了参考.     

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。     

基于自适应平方根 CKF 的多传感器混合融合算法(英文)

In the normal operation condition, a conventional square-root cubature Kalman filter (SRCKF) gives sufficiently good estimation results. However, if the measurements are not reliable, the SRCKF may give inaccurate results and diverges by time. This study introduces an adaptive SRCKF algorithm with the filter gain correction for the case of measurement malfunctions. By proposing a switching criterion, an optimal filter is selected from the adaptive and conventional SRCKF according to the measurement quality. A subsystem soft fault detection algorithm is built with the filter residual. Utilizing a clear subsystem fault coefficient, the faulty subsystem is isolated as a result of the system reconstruction. In order to improve the performance of the multi-sensor system, a hybrid fusion algorithm is presented based on the adaptive SRCKF. The state and error covariance matrix are also predicted by the priori fusion estimates, and are updated by the predicted and estimated information of subsystems. The proposed algorithms were applied to the vessel dynamic positioning system simulation. They were compared with normal SRCKF and local estimation weighted fusion algorithm. The simulation results show that the presented adaptive SRCKF improves the robustness of subsystem filtering, and the hybrid fusion algorithm has the better performance. The simulation verifies the effectiveness of the proposed algorithms.     

基于模型预测扩展卡尔曼滤波的动力定位状态估计

针对传统扩展卡尔曼滤波由于动力定位系统过程噪声不能自适应更新,导致滤波精度下降的问题,提出了一种模型预测扩展卡尔曼滤波算法。该算法通过比较一段时间内的量测值和预测值,估计系统噪声参数,从而实时修正系统过程噪声方差。仿真结果表明,当系统的过程噪声未知的情况下,模型预测扩展卡尔曼滤波的滤波性能明显优于传统扩展卡尔曼滤波。     

基于多传感器递推总体最小二乘融合的水下机器人动力学模型参数辨识

对于水下机器人动力学模型辨识问题,如果其观测方程的系数矩阵包含随机扰动,则其最小二乘估计一般是有偏的。为此,该文提出一种基于多传感器递推总体最小二乘融合的水下机器人动力学模型辨识算法(RTLS_F)。首先,给出了集中式总体最小二乘融合的算法;然后,在总体最小二乘框架下,推导出多传感器递推融合估计算法。通过仿真实验对RTLS_F与其它水下机器人动力学参数辨识算法进行了比较。实验结果表明,在系数矩阵和观测向量都含有误差的情况下,最小二乘融合是有偏估计且难以提高估计精度,而RTLS_F算法可以有效改善参数辨识性能。     

一种基于自适应进化策略采样的粒子滤波算法

提出了一种自适应进化策略算法(AES),该算法利用适应度值控制变异步长的自适应调整,从而提高了进化策略的搜索效率和精度。将AES算法和粒子滤波(PF)相结合,提出了基于自适应进化策略采样的粒子滤波算法(AESPF)。该算法将AES应用于粒子重采样,以保证粒子的有效性和多样性。通过仿真计算表明,提出的算法可以有效提高滤波性能。     

一种基于随机理论的寻北滤波噪声影响分析方法

以寻北系统 Kalman滤波器为研究对象,从滤波噪声在寻北 Kalman滤波器中传播机理的角度对其影响进行分析。基于随机可控制性和随机可观测性得到了误差协方差矩阵与噪声统计特性之间的解析表达式,并利用单轴旋转式寻北系统对所提出的基于随机理论的解析分析方法进行验证。实验结果表明,利用基于随机理论的解析分析方法分析寻北系统有效而且适用,并且所得到的解析式能够更全面地表示系统的性能。     

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。     

GPS在移动机器人导航定位系统中的应用

为了获得移动机器人定位数据的真实性，减少各种随机误差对定位精度的影响，通过运动载体当前统计模型，取位置作为观测量建立移动机器人动态定位模型，同时针对传统卡尔曼滤波的不足进行了分析，提出自适应卡尔曼滤波算法，该算法始终保持噪声模型接近于真实模型，从而较好地解决了GPS动态定位中状态噪声与观测噪声建模不准确和时变问题，在此基础上，通过模拟噪声和轨迹曲线，进行了仿真，结果显示效果显著。     

参数辨识在船舶运动控制中的研究与应用

本文以系统辨识的方法,对船舶运动模型--KT方程的参数进行辨识.通过分别研究最小二乘法和遗传算法在船舶运动方程参数辨识中的应用,提出了一种结合最小二乘法和间接模型参考自适应法的混合辨识算法,并经仿真实验数据的辨识结果分析,有力地证明了本方法的可行性和合理性.