基于推广卡尔曼滤波的无源定位系统仿真

在现代电子战、信息战环境中,由于利用目标辐射电磁信息的无源探测定位系统具有自身隐蔽和探测距离远等优点,因此它具有重要的应用价值,并已成为当今非线性跟踪与估计研究领域的热点问题.针对无源定位中状态空间模型非线性和程度较高所引起的滤波发散问题,分析总结了推广卡尔曼滤波(EKF)次优递推滤波过程,最后给出滤波方程及仿真结果.     

基于多信息融合的全轮独立电驱动车辆车速估计

鉴于用非驱动轮轮速信号来估计车速的方法已不适用于没有非驱动轮的全轮独立电驱动车辆,提出了借融合车载普通传感器信号和驱动电机反馈信号等多信息源,并基于稳态工况下的轮速信号卡尔曼滤波和瞬态工况下的加速度积分的全轮驱动车辆车速估计方法.通过实车试验对该方法的有效性、适用性和精度进行了验证.     

数据融合在轮速信号处理方面的研究

在轮速采集试验台采用双传感器采集数据,用多传感器卡尔曼滤波融合技术对其进行滤波处理,将处理结果和传统卡尔曼滤波比较,发现此方法能够比较精确的提取一些制动工况的特征参量,削减外界噪声,能够比较真实的反应制动规律。多传感器卡尔曼滤波融合技术能有效提高ABS控制性能。     

基于卡尔曼滤波理论的电力短期负荷预测模型

为了提高超短期负荷预测的精度, 通过卡尔曼滤波理论建立了实时调度子系统的超短期负荷预测模型,并用两种方法对基本模型进行改进。利用电能管理系统记录的各交易段实际调度负荷和各竞价电厂以机组申报的竞价数据,预测未来各时段的调度负荷。通过对3种模型所预测出的电力短期负荷预测结果比较,表明对原始数据进行比例变换的预测方法更为理想。     

轨道电路补偿电容动态检测系统研究

利用以试验车为载体的动态检测方式对轨道电路补偿电容进行检测,能够对其工作状态进行实时监控、提高现场作业效率.本文选用GPS/DR/MM组合定位方法,为动态检测系统提供定位信息,采用自适应联合卡尔曼滤波算法对多传感器数据进行融合,以获得最优估计的定位数据的输出.通过仿真实验进一步证实,这种方法可以得到比单一定位方法更高的故障点定位精度.     

一种基于ADS-B的雷达误差实时融合校正算法

针对我国中西部地区雷达未实现多重覆盖,大部分飞机未配备广播式自动相关监视(automatic dependent surveillance-broadcast, ADS-B)机载设备,监视精度不高的问题,结合雷达误差模型理论,提出了基于ADS-B数据的雷达误差实时校正算法.该算法对同一时刻获得的多组ADS-B数据与雷达数据的差值进行数据融合,得到该时刻雷达误差的最优估计值,并对雷达进行误差校正.算例仿真结果表明:经该算法校正后,雷达测量的距离与真实距离之间的均方根误差约为50 m,测量的角度与真实角度之间的均方根误差约为0.04°,且校正后的航迹和真实飞行航迹基本重合.      

基于分块EnKF的非线性目标跟踪算法

针对滤波航迹的相关性以及初始状态的选择会对跟踪性能产生影响的问题,将集合卡尔曼滤波算法引入到非线性目标跟踪领域,验证了其可行性和有效性,提出了基于分块集合卡尔曼滤波的非线性目标跟踪算法.采用分块思想生成初始集合,使用协方差矩阵加权方法解决分块间的航迹相关问题.仿真结果表明基于分块集合卡尔曼滤波的目标跟踪算法计算复杂度和以往的集合卡尔曼滤波算法同阶的情况下可以提供更高的运动参数估计精度,解决了粒子滤波算法计算量大难以进行实时跟踪的问题.      

一种基于卡尔曼数据平滑的分段曲线拟合室内定位算法

室内定位技术的关键在于获取距离参数,在这一问题的研究中运用RSSI信号获得距离参数一直是比较通行的方法.本文针对室内环境复杂,接收RSSI信号存在较大噪声的情况,提出了一种运用卡尔曼滤波器对信号数据进行平滑预处理,随后利用最小二乘法进行分段曲线拟合从而实现定位的算法.通过实验测试结果表明,本文所提出的算法平均定位精度可达0.9 m,与普通数据平均值预处理算法和曲线直接拟合方法相比较,定位精度更高;比直接应用对数距离损耗路径模型的定位算法更为合理可靠,能够在一定程度上满足无线传感器网络室内定位需求.     

基于UKF算法的车辆质心侧偏角估计

将无味卡尔曼滤波(UKF)算法运用到车辆质心侧偏角的估计之中,基于纵滑—侧偏联合工况下的统一指数(Uni-tire)轮胎模型建立非线性车辆动力学模型,采用最小偏度单形采样的UKF算法估计车辆的几个关键状态参量,并由此得到质心侧偏角估计。最后采用奇瑞A3两厢型汽车的车辆参数,使用车辆动力学实时仿真软件DYNAware/veDYNA对观测器进行了实时验证。仿真结果表明,UKF非线性估计方法精度高,估计结果能够满足实际应用要求。     

运动车辆检测与跟踪方法

为提高城市智能交通综合管理能力,提出了基于视频分析的运动车辆检测与跟踪方法。在城市交通干道路面环境中,根据运动目标与道路背景统计特性的差异,基于贝叶斯概率准则,提出一个自适应背景更新算法,检测分离运动车辆目标前景,采用卡尔曼滤波器实现对视频序列中车辆目标的运动检测与实时跟踪,并对在重庆某交通干道的交通流视频进行检测。试验结果表明:该方法在常规视频分辨率下能实现实时处理视频,平均检测准确率为94%,具有较好的实时性与鲁棒性,能够实现城市交通环境中各类运动车辆的检测与跟踪。