新息卡尔曼滤波在大坝变形监测中的应用

在处理动态数据时,卡尔曼滤波具有良好的效果。本文采用卡尔曼滤波对具有动态性的变形监测数据进行处理,但是在实际监测中动态噪声与观测噪声的数值事先是不知道的,往往根据经验设定初始值,故用标准卡尔曼滤波时其精度会受到这两个噪声数值不精确的影响,而基于新息自适应卡尔曼滤波可以不断的对动态噪声和观测噪声进行修正。本文通过对某大坝变形监测数据的处理表明该方法在处理动态变形监测数据时具有良好效果。     

基于递推最小二乘卡尔曼滤波方法的模糊度解算

针对北斗动态定位,通过使用递推最小二乘方法,采用扩展卡尔曼滤波的方法估计模糊度浮点解,实现了利用多历元载波相位观测信息求解整周模糊度.通过模拟北斗观测数据进行仿真,可以得出扩展卡尔曼滤波的方法精度高,适合动态定位解算.     

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。     

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。     

基于改进无迹卡尔曼滤波的动力定位系统状态估计

动力定位（DP）船舶状态估计的准确性是影响其在海面上沿期望航迹运行或位置固定的关键因素。在DP状态估计研究中，当遇到观测噪声反常或噪声协方差与算法不符等情况时，无迹卡尔曼滤波（UKF）无法调整算法参数以适应海洋环境的变化，严重影响着状态估计的精度。鉴于此，提出一种基于误差序列协方差估计的自适应UKF，利用观测变量残差更新观测噪声协方差矩阵R。设计基于自适应UKF的状态估计器，对DP船舶纵荡、横荡和艏摇3个重要状态变量进行估计。数值仿真结果表明，提出的自适应UKF能明显降低纵荡、横荡和艏摇3个状态变量的估计误差，状态估计的准确性和滤波平滑性均优于传统UKF算法。     

应用于捷联惯性姿态测量系统的EFRLS算法研究

在实际大型动态测量船动态变形测量应用中准确确定捷联惯性姿态测量系统噪声模型和相关性比较困难,采用常规卡尔曼滤波(KF)会导致较大的状态估计误差,甚至使滤波器发散。针对这一问题,在分析扩展遗忘因子递推最小二乘(EFRLS)算法的稳定性基础上将EFRLS估计误差与带系统相关噪声的卡尔曼滤波器估计误差进行了比较,并针对大型测量船动态环境采用EFRLS算法对变形参数进行了估计,仿真结果验证了EFRLS算法在噪声信息未知情况下的有效性。     

捷联惯性姿态测量系统的扩展遗忘因子递推最小二乘算法研究

在实际大型动态测量船动态变形测量应用中准确确定捷联惯性姿态测量系统噪声模型和相关性比较困难,采用常规卡尔曼滤波(KF)会导致较大的状态估计误差,甚至使滤波器发散.针对这一问题,在分析扩展遗忘因子递推最小二乘(EFRLS)算法的稳定性基础上将EFRLS估计误差与带系统相关噪声的卡尔曼滤波器估计误差进行了比较,并针对大型测量船动态环境采用EFRLS算法对变形参数进行了估计,仿真结果验证了EFRLS算法在噪声信息未知情况下的有效性.     

海面浮动光电平台对空无源定位与跟踪

提出利用海面浮动光电平台在波浪作用下的机动实现对空中目标定位与跟踪的方法。建立基于角度与角速度实现无源定位的数学模型,采用无迹卡尔曼滤波进行噪声干扰下的跟踪滤波,通过仿真分析了滤波算法在目标固定不动和目标匀速运动2种情况下的有效性。结果表明,对于含有零均值高斯噪声的角度和角速度测量数据,利用无迹卡尔曼滤波可以进行距离估算,并具有一定的精度和稳定性。     

异步电动机参数辨识仿真研究

将卡尔曼滤波算法与PID控制算法相结合,将该方法应用到异步电动机的参数辨识过程中,卡尔曼滤波算法可以消除控制系统中的干扰和噪声,改善了控制系统的动态特性,保证被控对象的性能,通过仿真可以看出,该方法可以有效的对被控对象进行参数辨识,具有较强的鲁棒性。     

工程船动力定位系统滤波器设计与研究

为了解决卡尔曼滤波器在给定艏向线性化和过程噪声矩阵难以精确计算的问题,在建立船舶动力定位系统数学模型的基础上,设计了基于Sage-Husa自适应滤波算法的动力定位系统滤波器,并针对具体船型进行了滤波器设计,通过实船试验表明此方法能够很好的滤除高频运动信息的干扰,准确地估计出船舶低频运动信息,在工程上是可行的。     

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.     

基于舵角信息的航向修正和横漂速度估计算法研究

阐述了舰船在机动情况时舵角反馈信号对航向精度的提高以及对横漂速度的估计作用,结合舰船的运动模型和航向角H与舵角β的关系模型,考虑横漂速度对舰位的影响,引入舵角反馈信息,建立了有舵角反馈信息参与的kal-man滤波模型,并利用Matlab软件将有/无舵角信息参与的kalman滤波模型进行了比较,结果显示有舵角信息参与的kal-man滤波模型效果较好。     

船舶动力定位系统最优控制器的仿真设计

根据动力定位船舶运动模型进行仿真建模,给出一种基于Kalman滤波的LQG控制器的仿真设计,并进行系统仿真实验。结果表明滤波器和控制器性能良好,仿真设计切实可行。     

船用陀螺漂移误差模型辨识及其应用

在对船用陀螺漂移数据建立时间序列模型的基础上，采用卡尔曼滤波算法对捷联陀螺漂移数据进行了处理，以提高陀螺静态漂移误差系数的估计精度，并把得到的陀螺漂移误差模型实时补偿到捷联系统中，得到了满意的效果。     

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.     

改进遗传模糊神经网络在舰船组合导航中的应用

由于舰船组合导航系统的实际运行环境比较恶劣，系统精确的数学模型及噪声的统计特性不易先验得到，而导致常规卡尔曼滤波器失效。尝试将改进遗传算法优化的模糊神经网络用于舰船组合导航系统中，仿真结果表明，提出的算法比较有效，并且精度和常规卡尔曼滤波算法相当。     

新颖的GPS动态滤波算法及其在船舶导航中的应用研究

本文首先建立起ＧＰＳ动态定闰的数学模型，然后运用一种新颖的滤波算法对ＧＰＳ信号进行处理，最后研究了ＧＰＳ定位技术在船舶导航中的应用。     

INS/GPS组合导航系统动基座初始对准研究

针对位置/速度模式的INS/GPS组合导航系统,确定其动基座下初始对准卡尔曼滤波方案,并进行计算机仿真。结果表明,卡尔曼滤波算法在动基座下INS/GPS组合导航系统初始对准中速度快、精度较高、对水平失调角有较好的估计效果,满足初始对准的基本要求。