基于分数低阶统计量的卡尔曼滤波目标跟踪算法

针对杂波干扰环境中的非高斯特性,发现海杂波噪声、闪烁噪声等具有显著尖峰的非高斯噪声,可以采用α稳定分布建立更符合实际的噪声模型。根据统计信号处理最新理论和技术,利用p阶分数相关和分数低阶协方差替代传统相关和协方差来改进Kalman滤波器,优化获得基于分数低阶统计量的Kalman滤波目标跟踪新算法(FLOS-KF)。仿真验证了FLOS-KF滤波跟踪新算法可以更好地适应非高斯复杂环境,得到稳健的跟踪效果。     

Alpha-beta滤波在船舶动力定位状态估计中的应用

船舶动力定位系统已广泛应用于海洋工程中,状态估计是动力定位系统的重要组成部分。在工程应用中,状态估计方法主要采用基于卡尔曼滤波的算法,但是这些算法对于船舶首向的滤波效果并不理想。alphabeta滤波是一种不基于模型的稳定常增益滤波器,其结构与卡尔曼滤波类似。本文设计了一种混合滤波器,采用alpha-beta滤波对船舶首向进行滤波,扩展卡尔曼滤波对船舶横向和纵向进行滤波,以改善船舶首向的滤波效果。通过将混合滤波器的滤波效果与扩展卡尔曼滤波器进行对比,验证了alpha-beta滤波用于船舶首向滤波的可行性和有效性。     

鲁棒最小方差滤波在惯导初始对准中的应用研究

在运载体机动时，卡尔曼滤波器会导致捷联惯导系统初始对准时产生较大的机动误差。而H∞鲁棒滤波技术将噪声和不确定输入看作是只知道上界的参数，而不是统计特性服从某一分布的随机向量，从而提高了系统的鲁棒性。但由于H∞滤波一般不单独考虑系统不确定项的影响，从而得到的结果较为保守。因此，学者们又提出了离散时间不确定系统的鲁棒最小方差滤波技术。计算机仿真结果表明，用鲁棒H∞滤波器和鲁棒最小方差滤波器代替卡尔曼滤波器对SINS初始对准时的状态变量进行估计校正后，能有效降低SINS初始对准的机动误差，提高系统初始对准的精度。但鲁棒最小方差滤波器比鲁棒H∞滤波器滤波校正效果更好。     

ARPA中变增益α-β-γ滤波的原理与设计

常增益α-β-γ(或α-β)滤波可以简化滤波过程中的运算量,缩短滤波运算时间,但其缺点是估值方差不是渐近的,而是波动的,要较长过程后才接近稳态方差,对目标速度较低,采样周期较长,而跟踪时间往往不长的ARPA中,使用这种滤波方法,就尤其显得不足。本文根据ARPA的特点,提出了一种新的变增益α-β-γ滤波的原理与设计方法。同时根据这一原理,本文还介绍了有限记忆α-β-γ(或α-β)滤波的优缺点及设计方法,并给出一个计算实例。作者认为在ARPA中采用这种滤波原理是可行的,而且能明显地改善APRA的性能。在线性量测时,若没有估计的验前知识,最小方差估计就退化为带权最小二乘估计。因此,对匀速直线运动的量测数据的处理,常采的滤波方法是α-β滤波。α-β滤波是以带权最小二乘为估计准则,用逆推的方法,求得匀速直线运动的两参数(位置、速度或单位位移增量)的最佳估计值。具体方法与公式见文献[1]。ARPA中,常假设量测误差的方差δ_k~2=const,(即权W_k≡1),所以,目前ARPA中的α-β滤波多数是以最小二乘为估计准则的。ARPA中,当目标船(或本船)机动(改向/改速)时,采用α-β滤波,是以匀速直线运动线段去代替实际的机动轨迹的,这样,在机动较大时,这种方法就容易丢失目标,难以实现有效的自动跟踪。显然,若能采用考虑到机动因素(加速度)的α-β-γ滤波,就可以提高ARPA自动跟踪的性能。文献[1]中给出了一种常增益的α-β-γ滤波方法。常增益α-β-γ滤波方法的好处是可以简化滤波过程中的运算量,缩短滤波运算时间;但是其估值方差不是渐近的、而是波动的,而且要较长的过程后才接近稳定的估值方差。在ARPA中,采样周期较长(一般为3秒)、跟踪时间往往并不长;若使用这种滤波方法,就尤其显得不足。为此,本文介绍一种变增益的α-β-γ滤波方法的原理及一些设计方法。这种新的滤波方法有较好的滤波效果,适合ARPA中使用。ARPA中若使用这一滤波方法,可以明显地改善其跟踪器的性能。当前微处理机的容量、速度及功能的飞速提高,为这种滤波方法的实现提供了可能。     

并联型有源滤波器与LC滤波器串联的谐波抑制器

新型电力滤波器采用有源滤波器与LC无源滤波器串联后再与电网并联的混合结构,本文通过理论分析和matlab/simulink仿真分析,验证了有源滤波器与LC滤波器相串联既克服有源电力滤波器容量大、成本高因而缺乏工程意义的缺点,同时改善了滤波,抑制了并联谐振.本文还对有源滤波器的输出滤波器进行了参数设计和仿真,改善了整个系统性能.     

非线性最优滤波理论的研究

本文介绍了近二、三十年来数字信号处理领域中非线性滤波算法的研究成果，以及非线性滤波理论的发展。讨论了非线性滤波器的综合理论以及非线性滤波算法在数字维纳滤波器、雷达和通信信号非线性滤波以及调相信号解调器中的应用。     

基于H_∞滤波技术的重力辅助导航仿真研究

因无法对系统模型和噪声模型精确建模导致Kalman滤波器精度较低或发散问题,本文将H∞滤波理论引入重力仪/INS组合导航系统。文中首先给出了最优H∞范数的计算方法,解决了过去根据经验或多次试验确定该值的问题。组合导航系统包含位置、速度和姿态9维状态误差,利用重力仪实测重力异常与INS指示位置地图重力异常值之差作为观测信息对系统进行H∞滤波。仿真实验表明,该方法可极大地改善组合导航系统的鲁棒性和可靠性,明显提高系统的导航精度,减小滤波系统的阶次,加快对系统状态的滤波估计,对工程实际应用具有重要意义。     

ARPA跟踪性能的蒙特.卡罗分析

本文阐述了用蒙特·卡罗方法分析、评价ARPA跟踪性能的基本原理及实现过程,针对目标船机动等情况,本文用蒙特·卡罗方法分析了英国DECCA公司生产的D—ARPA的跟踪性能,并将结果和以卡尔曼增益为α—β参数的滤波器的性能进行比较,得出许多有价值的结论。     

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。     

基于一种滤波-误差算法的主动隔振技术

针对船载动力机械隔振降噪问题,本文将多通道的滤波-误差信号主动控制算法应用于主动隔振系统,采用子结构导纳方法建立基于导纳矩阵的双层隔振系统主动控制的次级通道模型。在一种改进的滤波-误差信号算法的基础上,利用实验得到的双层隔振系统的次级通道辨识数据构建出新的误差滤波器,并进行主动控制算法仿真。仿真结果表明,通过合理的构建误差滤波器,采用改进的滤波-误差信号主动控制算法的主动隔振系统对于周期激励具有较好的隔振效果。     

多模型估计理论

研究利用多模型来逼近系统的动态性能，基于多模型设计组合导航系统的多模型自适应卡尔曼滤波器。通过仿真研究表明，在多模型自适应估计和交互式多模型滤波均克服了单一滤波由于外部扰动所造成的滤波误差过大甚至发散的问题。多模卡尔曼滤波器对组合导航系统能达到理想的控制精度、跟踪速度以及稳定性。研究表明，运用多模卡尔曼滤波能改善系统的瞬态响应，覆盖大范围的参数不确定性。     

基于前向线性预测和小波的FOG信号降噪算法研究

针对光纤陀螺输出信号的噪声,提出了一种处理该噪声的前向线性预测滤波与小波变换相结合的级联滤波方法,以前向线性预测滤波作为前段滤波器,采用DB4小波函数的强制阈值小波变换作为第二级滤波器。运用Allan方差法对级联滤波结果进行了分析,结果表明该级联滤波能取得较好的光纤陀螺信号降噪效果。     

引入速率量测的滤波算法与初始估计研究

滤波器在滤波开始阶段的滤波效果在一定程度上取决于初始状态,选取的初始状态估计越精确,滤波的效果越好.首先对可以观测距变率和角变率的雷达观测系统提出了在三维空间中引入距变率(径向速度)和角变率(角速度)的伪线性卡尔曼滤波算法; 其次针对初始状态选取的问题,以CV和CA模型为例,利用前2个时刻的测量值确定系统的初始状态,并...     

多模型估计理论

研究利用多模型来副近系统的动态性能,基于多模型设计组合导航系统的多模型自适应卡尔曼滤波器.通过仿真研究表明,在多模型自适应估计和交互式多模型滤波均克服了单一滤波由于外部扰动所造成的滤波误差过大甚至发散的问题.多模卡尔曼滤波器对组合导航系统能达到理想的控制精度、跟踪速度以及稳定性.研究表明,运用多模卡尔曼滤波能改善系统的瞬态响应,覆盖大范围的参数不确定性.     

基于粒子群算法的无源滤波器多目标优化设计

为解决电力推进船舶谐波污染等问题,以电力推进船舶电能质量为研究对象,使用粒子群算法,以无源滤波器的投资成本、滤波效果和无功功率补偿能力作为优化对象进行多目标优化,并在此基础上采用离差排序法确定各目标函数权重,进行多目标优化设计无源滤波器;以"丰隆01"号自升、自航石油工程船电网参数为例进行计算,得到滤波器多目标优化结果;为进一步验证优化结果的正确性,按照船舶电网参数在MATLAB/SIMULINK中构建仿真模型,验证该方法的可行性和优越性。结果表明:该方法具有可行性与实用性,且可实现更灵活的谐波抑制。     

模糊自适应卡尔曼滤波在惯性/地磁导航中的应用

为了提高自主、无源组合导航系统的精度和可靠性,针对惯性/地磁组合导航系统中滤波发散、量测噪声统计特征随实际情况不同而变化的问题,本文在无迹卡尔曼滤波的基础上,通过监测滤波新息的方差和均值变化,采用模糊自适应滤波算法,"在线"调整模型中的噪声方差阵,来改变滤波器的估计均方误差和滤波增益.通过自适应调整Sigma采样中权值的比例因子α,来解决UT变换的非局部效应,达到提高组合导航的精度的作用.仿真结果表明,模糊自适应卡尔曼滤波器可以有效的提高惯性/地磁组合导航系统,克服了传统滤波算法的缺点和不足,提高了滤波精度.     

机动目标滤波的最小二乘方法

基于最小二乘滤波精度分析的解析表达式，得出了最小二乘滤波器记忆长度的优化方法，提出一种目标运动加速度的在线实时估计方法，据此可实现最小二乘滤波器记忆长度的实时优化，形成一种适用于机动目标的基于最小二乘的自适应滤波方法。最后进行数值仿真，验证理论分析与算法的正确性。     

海底电缆资料多次波衰减方法探究

海上地震勘探中资料多次波的消除主要采用预测反褶积,也有采用诸如模式匹配和多域滤波等替代技术,这些技术的优势在于它们对预测出的多次波振幅的依赖较小.许多研究表明,没有一种方法是在所有情况下都能有效压制多次波的.模式匹配和多域滤波的消除技术在压制多次波的同时也衰减了有效信号.针对海底电缆资料的特点,目前多采用波场分离、双检求和技术来消除其中的多次波,而且获得了较好的效果.此项技术的关键是在如何求和上.叙述了海上多次波干扰与海底电缆地震资料的特点以及其处理特点,针对上述的特点介绍了相关的海底电缆资料多次波衰减方法,重点描述了一种新的消除多次波的求和方法及其应用实例.     

波浪数物耦合模型的一种新的信号滤波方法

以二维波浪传播数模与物模耦合模型规则波低频滤波问题为研究对象,采用摄动法建立了线性补偿滤波方法。耦合模型中,数值模拟采用基于改进Boussinesq方程的三角形网格有限元模型,物理模拟采用推板式造波机。文中分析了耦合模型信号滤波的目的和目标,并通过造波信号频域的分析,对比了文中方法与传统方法在信号稳定性方面的效果,通过波浪耦合模拟实验对比了波面的数模与物模结果。实验结果表明,与传统方法相比,文中方法能有效解决造波信号的慢漂和计算值偏小的问题,信号更加稳定,耦合误差更小。     

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.