基于扩展卡尔曼滤波的雷测数据实时剔野方法

在雷达目标跟踪过程中,受多种偶然因素的综合影响,雷测数据中包含有一部分野值,这会严重影响雷达跟踪的精度。常规数据处理理论不适用于动态测量数据的野值处理问题,论文依据EKF算法原理,以新息作为野值的判别准则,实时剔除雷测数据中的野值,并用最小二乘法对野值点的当前状态进行预测估计,提高了EKF算法的抗野值能力。仿真结果表明,该方法能很好地剔除标校误差数据中的野值,可以提高目标跟踪的精度。     

模糊自适应Kalman滤波在INS／GPS组合导航系统中的应用

针对INS／GPS组合导航系统中因量测噪声的复杂多变造成的发散问题,引人了一种基于新息方差匹配技术的自适应模糊控制Kalman滤波算法,通过模糊控制器在线调整量测噪声方差,抑制滤波器发散,从而提高导航系统的精度。仿真结果表明该算法具有比常规Kalman滤波更高的精度。     

捷联惯性基组合导航鲁棒UKF方法

捷联惯性基组合导航中,量测值存在野值的情况难以避免,会导致无迹卡尔曼滤波(UKF)的估计精度下降。针对该问题,本文提出一种基于一类向量机(SVM)的鲁棒UKF算法(SVM-UKF)。首先使用一类支持向量机训练滑动窗,来辨别滤波中的新息是否为异常,对于正常新息不予处理,对于异常的新息采用指数加权的方法进行估计,使用新的估计值替换野值,并进行了船载实验,对含有野值的SINS/GPS系统使用SVM-UKF与常规UKF,RUKF滤波进行组合导航实验。实验结果表明,在量测值有野值污染的情况下,SVM-UKF具有较高的鲁棒性,对比于UKF,RUKF具有更高的估计精度。     

基于渐消记忆自适应滤波的船舶动力定位算法仿真

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立.为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号.采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一.文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、 不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗.仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性.     

基于渐消记忆自适应滤波的船舶动力定位算法仿真（英文）

由于船舶在海上运动的复杂性和非线性,精确的船舶动力定位系统数学模型难以建立。为了实现有效的动力定位控制,需要应用一定的状态估计滤波算法得到所需的船舶运动低频信号。采用常规的Kalman滤波,状态变量的新测量值对预测值的修正作用下降,旧测量值的影响随着计算步数的累积而相对提高,这是引起滤波发散的主要原因之一。文章针对船舶动力定位系统中使用常规的Kalman滤波而存在的模型不精确、不能准确表达系统噪声和测量噪声等问题,采用渐消记忆自适应滤波估算低频运动信息,在状态估计算法中引入渐消记忆因子,减小旧测量值对状态估计值的影响权重,从而增大新测量值的作用;并根据滤波发散判断准则,选择适当的渐消记忆因子值来抑制滤波器的发散,使控制器输出较为平稳,从而降低推力系统不必要的能耗。仿真实验表明,所设计的自适应滤波器的收敛性、跟踪性优于常规的Kalman滤波,有效地提高了系统的定位精度和稳定性。     

基于53H滤波的船舶综导信息在线平滑方法

针对船舶综合导航系统接收的导航信息存在野值点的问题,本文提出一种基于改进53H滤波方法的在线平滑方法。该方法利用连续几个信息的中值预测当前时刻的信息,然后与测量值进行比较,如果两者差值超过一定阈值,则用预测值取代测量值,从而实现在线平滑。通过将该方法应用于海试试验数据的处理,结果表明相对于传统的最小二乘滑动滤波与5点3次平滑算法,该方法计算简单、容易实现,而且具有较好的在线平滑效果。     

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。     

采样时间序列的故障数据检测与滑动容错滤波

在导出采样时间序列数据滑动LS滤波的基础上，建立了一组简洁的故障数据检测与修复算法，并将故障数据修复与滤波估计相结合，构造了对突发性故障数据有良好容错能力的滑动容错滤波算法。仿真计算证实，该方法有效、可靠。     

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。     

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。     

基于方位频率测量的水下被动目标运动分析算法

根据被动观测器所测得的目标方位和多普勒频率信息,通过对新息的伪线性处理,建立了系统线性的状态方程和观测方程,并推导出修正的扩展卡尔曼滤波递推公式,从而对目标的运动状态进行估计。通过蒙特卡罗仿真表明,此算法具有收敛速度快、精度高、稳定性好等优点,可应用于远距离的水下被动目标运动分析。     

基于UKF和线性优化的改进粒子滤波算法

针对标准粒子滤波算法存在的粒子退化问题,提出了一种改进的粒子滤波算法,该算法将不敏卡尔曼滤波算法（UKF）、线性优化的思想和基本粒子滤波算法相结合,运用不敏卡尔曼滤波算法获得重要性概率密度函数,提高了粒子的使用效率;运用线性优化的思想,保证了所有粒子都以一定的概率对状态估计作出贡献,提高了粒子的多样性。仿真结果表明,改进的算法很好的解决了基本粒子滤波存在的粒子退化问题,具有更高的状态估计精度。     

舰船综合导航系统的联合卡尔曼滤波器设计

针对由惯性导航系统,全球定位系统及天文导航设备组成的舰船综合导航系统的特点,设计了联合卡尔曼滤波器,并给出了联合卡尔曼滤波器的结构及其算法。理论分析与仿真结果表明,该算法具有全局最优性,能够满足系统的精度要求,且应用该联合滤波可提高系统的容错性能。     

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。     

Data assimilation with the Ensemble Kalman Filter and the SEIK filter applied to a finite element model of the North Atlantic

Currently there are different approaches to filter algorithms based on the Kalman filter. One of the most used filter algorithms is the Ensemble Kalman Filter (EnKF). It uses a Monte Carlo approach to the filtering problem. Another approach is given by the Singular Evolutive Extended Kalman (SEEK) and Singular Evolutive Interpolated Kalman (SEIK) filters. These filters operate explicitly on a low-dimensional error space which is represented by an ensemble of model states. The EnKF and the SEIK filter have been implemented within a parallel data assimilation framework in the Finite Element Ocean Model FEOM. In order to compare the filter performances of the algorithms, several data assimilation experiments are performed. The filter algorithms have been applied with a model configuration of FEOM for the North Atlantic to assimilate the sea surface height in twin experiments. The dependence of the filter estimates on the represented error subspace is discussed. In the experiments the SEIK algorithm provides better estimates than the EnKF. Furthermore, the SEIK filter is much cheaper in terms of computing time.     

Assimilation of altimetric data in the mid-latitude oceans using the Singular Evolutive Extended Kalman filter with an eddy-resolving, primitive equation model

A new data assimilation scheme has been elaborated for ocean circulation models based on the concept of an evolutive, reduced-order Kalman filter. The dimension of the assimilation problem is reduced by expressing the initial error covariance matrix as a truncated series of orthogonal perturbations. This error sub-space evolves during the assimilation so as to capture the growing modes of the estimation error. The algorithm has been formulated in quite a general fashion to make it tractable with a large variety of ocean models and measurement types. In the present paper, we have examined three possible strategies to compute the evolution of the error subspace in the so-called Singular Evolutive Extended Kalman (SEEK) filter: the steady filter considers a time-independent error sub-space, the apprentice filter progressively enriches the error sub-space with the information learned from the innovation vector after each analysis step, and the dynamical filter updates the error sub-space according to the model dynamics. The SEEK filter has been implemented to assimilate synthetic observations of the surface topography in a non-linear, primitive equation model that uses density as vertical coordinate. A simplified box configuration has been adopted to simulate a Gulf Stream-like current and its associated eddies and gyres with a resolution of 20 km in the horizontal, and 4 levels in the vertical. The concept of twin experiments is used to demonstrate that the conventional SEEK filter must be complemented by a learning mechanism in order to model the misrepresented tail of the error covariance matrix. An approach based on the vertical physics of the isopycnal model, is shown particularly robust to control the velocity field in deep layers with surface observations only. The cost of the method makes it a suitable candidate for large-size assimilation problems and operational applications.     

改进UKF算法在双基阵纯方位目标跟踪中的应用

传统算法在解决纯方位目标跟踪时存在有偏、收敛速度慢或发散等不足,无迹卡尔曼滤波（UKF）虽然改善了系统线性化误差,但并没有明显改善卡尔曼滤波器容易发散的问题。文章在扩展卡尔曼滤波和UKF算法的基础上,提出一种衰减记忆UKF算法（MAUKF）,引进衰减因子加强对当前测量数据的利用,减小历史数据对滤波的影响。理论分析和仿真结果表明,MAUKF算法在纯方位目标跟踪中的滤波精度、稳定性和收敛时间都优于EKF、UKF算法。     

基于卡尔曼滤波的水声信号线谱增强（英文）

To detect weak underwater acoustic signals radiated by submarines and other underwater equipment, an effective line spectrum enhancement algorithm based on Kalman filter and FFT processing is proposed. The proposed algorithm first determines the frequency components of the weak underwater signal and then filters the signal to enhance the line spectrum, thereby improving the signal-to-noise ratio(SNR). This paper discussed two cases: one is a simulated signal consisting of a dual-frequency sinusoidal periodic signal and Gaussian white noise, and the signal is received after passing through a Rayleigh fading channel;the other is a ship signal recorded from the South China Sea. The results show that the line spectrum of the underwater acoustic signal could be effectively enhanced in both cases, and the filtered waveform is smoother. The analysis of simulated signals and ship signal reflects the effectiveness of the proposed algorithm.     

水下目标双基阵纯方位跟踪性能分析

研究双基阵纯方位目标运动分析的基本原理和方法,给出卡尔曼滤波算法的模型,进行仿真实验,比较和分析了仿真结果。仿真结果表明,应用卡尔曼滤波可以快速、稳定地完成目标运动要素的估计,同时还分析了数据关联、基阵间距以及方位测量误差对跟踪性能的影响,为工程应用提供了参考。