永磁无刷直流电机转子位置的 Kalman 滤波估计

永磁无刷直流电机的换相和控制都需要准确的转子位置信息，而机械式位置传感器有较多的缺点，本文提出了一种新方法，通过测量非导通相的反电势波形，运用Kalman滤波器，估计出转子的位置，与传统的对反电势深度滤波不同，它无时间延迟，能得到瞬时的转子位置和速度。     

基于快速卡尔曼滤波的SAS水下组合导航方法

合成孔径声呐(SAS)成像是基于匀速直线运动这一理想模型的,因此需要对其进行水下导航运动参数估计并确定出1条用于运动补偿的理想航迹。一般可以利用高精度的组合导航方法测量获得。文中研究了基于光纤陀螺惯导(Octans)和多普勒声速剖面仪(ADCP)等设备的SAS水下导航方法,建立组合导航系统的误差方程,并利用快速跟踪卡尔曼滤波技术进行了SAS的运动参数估计仿真。仿真结果表明,位置误差精度达到航程的0.24%,可作为SAS的水下导航方法。     

基于Kalman滤波的船舶磁化干扰系数测量算法

[目的]针对以船舶为载体的三分量地磁场测量系统,为了提高其测量效率并降低工程难度,提出基于Kalman滤波的船舶磁化干扰系数测量算法。[方法]根据三分量地磁场测量数学模型中船磁干扰的作用形式及特征,提出解算船舶磁化干扰系数的Kalman滤波算法实施步骤,然后开展计算机仿真和船模实验,以验证该算法的有效性。[结果]在有效磁场测量数据样本较少的条件下,该算法保证了良好的收敛性,分离出了较高精度的三分量地磁场。[结论]Kalman滤波算法为船舶磁化干扰系数测量的工程实践提供了一条高效率、低成本的可行路径。     

基于自适应分数阶Kalman滤波的船舶视觉跟踪

为提高Kalman滤波算法的准确性和鲁棒性,提出一种基于自适应分数阶系统的Kalman滤波算法,设计状态噪声协方差选择的自适应机制,推导其数学过程.将该算法应用到船舶视觉跟踪中,选取不同河流的CCTV(Closed Circnit Television)船舶监控视频(包括不同情况下的内河船舶运动监控),针对不同船舶大小...     

基于对比度最优的SAS图像自聚焦

合成孔径声纳（synthetic aperture sonar：SAS）成像中,主要通过自聚焦校正剩余相位误差。对比度最优自聚焦算法（contrast optimization autofocusing algorithm：COAA）是典型的参数化自聚焦方法,一般用于估计二次相位误差。SAS图像中的二次相位误差主要由前向速度偏差和视线方向加速度引起,本文将COAA用于校正SAS图像中由于速度偏差引入的二次相位误差。仿真和实测数据处理结果表明,对比度最优自聚焦算法可以有效补偿图像中的由于速度偏差引起的相位误差。     

基于时频滤波的SAS解多普勒质心模糊改进算法

为提高合成孔径声纳（SAS）解多普勒质心模糊的准确性,文章对传统的解模糊算法-波长差异法进行了改进。将距离压缩后的数据进行时频滤波,去除强散射点对功率谱扭曲的影响,进而提高波长差异法的估计精度。计算机仿真实验证明了该方法的有效性。     

一种基于机器视觉和Kalman滤波的水下电缆定位方法

为了有效检测水下电缆,利用机器视觉技术处理采集的水下电缆图像,根据水下系统坐标模型和相机内参数获取电缆相对位置信息,通过Kalman定位融合算法减小航迹推算后产生的偏差值以达到修正水下机器人(ROV)跟踪路径的目的。实验表明,所提方法适用于成像质量较低的水下检测环境,可识别弯曲度较小的水下电缆轨迹并进行准确定位,检测成本低且易于实现,为水下电缆巡检工作提供技术支持。     

基于粒子滤波的声呐图像目标跟踪算法研究

声呐图像目标跟踪技术在水下UUV作战系统中具有重要意义,由于水声环境复杂,噪声干扰严重,导致声呐目标跟踪效果欠佳。本文针对UUV声呐成像特点,首先给出一种改进的Curvelet变换图像增强方法,可以有效降低声呐图像噪声并在一定程度上增强目标图像的边缘。并此基础上,提出一种基于粒子滤波的声呐目标跟踪算法以获得更为准确的目标跟踪效果。仿真结果表明,相较于传统声呐目标跟踪,该方法具有更好的目标跟踪精度以及鲁棒性。     

一种改进的Kalman滤波在野值点去除中的应用

在工程实践中,Kalman滤波采用了递归滤波的方法和线性无偏最小方差准则,因而在理论上是一种最优估计,并因为这一良好的数学性质得到了广泛的应用。但是在实际测量中,在野值的影响下,Kalman滤波新息的特性遭到破坏,滤波不再准确甚至发散。针对此一现象,提出了基于＂新息＂序列和对新息序列进行Kalman预测的方法对测量数据进行处理的新算法。该算法利用＂新息＂序列进行野值点判别,利用Kalman预测的方法对野值点处的＂新息＂进行预测修复。仿真证明,该算法可使状态估计、野值点判别和野值点修复同时进行,并能很好地抑制滤波的发散。     

BP神经网络和卡尔曼滤波相结合的船舶运动跟踪

在海洋运输中,船舶是重要的物资运送平台。船舶运动跟踪作为优化海洋交通环境的前提之一,正受到越来越多的研究。由于海洋情况越来越复杂,沿海运输船舶数量增多,导致传统的船舶跟踪方法不再适用,急需一种高性能的船舶运动跟踪方法。本文正是基于这项需求,开发出BP神经网络和卡尔曼滤波相结合的船舶运动跟踪算法,并对其进行仿真验证。此方法具有速度快、噪声抑制能力强和自动化程度高的特点。从仿真结果看,本方法的性能优越,易于推广使用。     

卡尔曼滤波器在船舶运动模型参数辨识中的应用

船舶航行在广阔洋面时,由于速度极快,因此具有很好的机动性,但遇到恶劣天气时,会面临很大的控制难题,尤其是控制信号的传递和导航数据的传输过程中会面临较强的干扰问题。本文主要研究船舶运动模型参数的辨识问题,采用卡尔曼滤波器对输入信号进行处理,能够主动分离出有用信号和噪声信号。在滤波过程中,通过对滤波参数进行提取,能够提高滤波效率,显著改善了船舶运动控制的水平。     

矢量阵被动合成孔径算法

随着减震降噪技术的发展,水下辐射噪声水平不断降低,使得采用常规波束形成技术进行声源定位难度加大。基于此原因,本文重点研究矢量阵被动合成孔径技术,该方法将合成孔径应用于矢量线列阵中,通过理论及仿真表明,该方法要优于常规声压阵列,它可以通过较少水听器阵元数目的阵列,得到可以覆盖多个倍频程信号的大孔径的虚拟阵列,具有更高的目标定位精度,而且可以获得长阵具有的阵增益和方位分辨力,降低工程实施难度,适合低噪声目标的辐射噪声测量,具有良好的工程应用价值。     

一种改进的卡尔曼滤波定位算法研究

研究了一种改进的卡尔曼滤波导航信号定位算法:通过测量每次接收机得到的伪距观测量及伪距变化量,估算出接收机的位置、速度,实现无线电导航系统的定位解算.该方法不直接使用卡尔曼滤波器来估计载体的状态,而是用滤波器来确定状态的误差,减小了运算误差,有效提高了定位精度.在进行参数估计时不需要贮存大量的测量数据,能够方便地进行动态测量数据的实时处理.该方法已经应用在导航定位解算中,仿真结果和实际应用验证了该方法具有快的收敛速度和高的定位精度.     

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。     

基于Unscented卡尔曼滤波器的地磁辅助组合导航

将船位推算与地磁测量相结合构成组合导航方法.首先建立了推算模型,然后利用Unscented卡尔曼滤波方法,直接将地磁测量的结果用于校正推算结果,进行导航定位.此方法不采用匹配方法进行定位,可进行实时定位,能适用于非线性和离散的地磁模型.仿真表明,此方法能减小定位误差,适用于基于船位推算和地磁定位的实时组合导航.     

Kalman滤波应用于GPS相对导航信息解算方法

舰艇编队航行协同作战,必须精确确定编队成员间的相对位置和方位,即进行相对导航。研究利用GPS伪距信息进行差分,以卫星伪距差分信息作为观测量,以跟踪船相对目标船的位置信息作为状态量,建立相对导航模型,利用卡尔曼滤波解算跟踪船相对目标船的位置信息,从而获得跟踪船相对目标船的距离和方位信息。应用此方法进行实测实验,结果表明测距精度优于0.2 m,方位精度优于5°。     

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.