尔曼滤波在潜艇垂直面运动控制器设计中的应用

潜艇低噪声操纵存在无效用舵现象.简要介绍了滤波信号的表示形式,在潜艇垂直面线性运动方程的基础上,得出了滤波信号的系统模型,并对其进行了离散化处理;将均方差最小线性递推滤波算法引入到输入信号的控制过程中,通过仿真证明对输入信号进行卡尔曼滤波能够提高输入信号的品质,用于工程应用.     

反舰导弹末端机动模型及仿真研究

建立合适的机动目标运动模型是目标跟踪的基础.概述几种机动目标模型特点及相互之间的关系,分析反舰导弹末端"蛇行机动"弹道模型,结合其控制指令及机动性能,给出反舰导弹的末端机动模型,并构建机动频率函数对机动频率进行自适应调整,优化了机动目标"当前"统计模型的系统参数.在给定的初始条件下进行仿真试验,仿真结果表明改进的算法适应能力强,能有效提高"当前"统计模型的跟踪性能.     

基于卡尔曼滤波法的船用磷酸铁锂电池SOC仿真估算

针对已应用于船舶的磷酸铁锂电池包，根据其充放电性能测试数据，选择一种合适的电池模型对其电池单体进行建模与仿真。对卡尔曼滤波算法进行理论分析，并采用该算法对已建立的电池模型进行单体电池荷电状态（SOC）估算，采用MATLAB/Simulink软件进行算法仿真验证。仿真结果表明，卡尔曼滤波法对SOC的估算精度较高，对初值依赖小，自适应能力强，但对电池模型精度要求较高。     

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.     

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RFID和IMU技术的室内定位方法研究与应用

针对在室内停车场等GPS信号较差的工况,行驶车辆无法实时获取准确定位的问题,文章结合RFID和IMU两种定位技术,使用卡尔曼滤波器耦合该两组定位系统信号,并将该方法应用在某款车型上,结果表明在室内停车场能够获得实时准确的位置信息。     

智能交通系统中WSN定位算法研究及仿真模型

本文研究了适用于智能交通系统中的无线传感网络定位算法。该算法引入多径误差效应和高斯白噪声效应,建立基于噪声的RSSI车辆定位算法。本文分析了不同高斯白噪声值和不同信标节点密度对车辆定位误差的影响,引入卡尔曼滤波来减小噪声对信号和定位误差的影响,对比了滤波前和滤波后的系统定位误差值,最后开发了带有混合噪声和滤波算法的智能交通系统定位仿真模型,对车辆定位情况进行了模拟。该仿真结果对后续智能交通系统的设计和系统实施提供了设计依据,具有一定的参考价值。     

并行扩展卡尔曼滤波的船舶模型参数辨识研究

随着人类对海洋的开发,对船舶数学模型的要求越来越高。为确定船舶运动模型的未知参数,首先针对船舶特点建立相应的数学模型,并提出一种并行扩展卡尔曼滤波算法,该方法通过一种并行计算使辨识效率更高,之后设计辨识实验,将得到的辨识结果进行仿真,并且与传统扩展卡尔曼辨识的结果进行对比,仿真结果表明改进的算法优于扩展卡尔曼滤波。     

一种新的INS/LOG组合导航算法

针对电磁计程仪引入的海流速度可能会导致INS/LOG组合导航系统的卡尔曼滤波器输出发散问题,设计一种新的INS/LOG组合方式。以计程仪速度2次采样的差分值(即速度增量)作为系统观测量以抑制慢变海流的影响,采用基于延迟状态卡尔曼滤波算法,推导这种组合方式的观测方程,实现INS误差的最优估计。为抑制计程仪速度差分对其高频噪声的放大效应,采用巴特沃斯低通滤波器对其输出进行平滑处理。通过对3种INS/LOG组合方式的仿真比较,验证该算法的有效性。