一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法

针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高.     

基于甚低频系统的舰船综合导航信息融合方法与仿真

介绍了阿尔法导航系统的特点，提出了一种基于阿尔法信息的舰船综合导航方法，具体阐述了卡尔曼滤波数学模型的建立和滤波实现，并利用Matlab软件进行了仿真和结果分析。     

船舶动力定位系统控制器的设计

提出了完整的基于船舶运动数学模型的动力定位系统，并且提供了定点控制和跟踪控制两种控制方法，在跟踪控制中引入船舶运动的参考轨迹模型。应用基于卡尔曼滤波的状态观测器得到控制所需的船舶低频信号，控制器的设计采用了考虑积分作用环节的改进LQG算法，同时引入前馈以补偿风力作用以及参考轨迹模型带来的影响。最后控制器的性能通过系统的仿真得到验证。     

用卡尔曼滤波单纯形优化法同时测定混合金属离子

对Ｍｇ－Ｃａ－Ｂａ三元组分析体系，金属离子摩尔比介于１：１－１：２０时，回收率为９５％－１１６％，对Ｚｎ－Ｃｕ－Ｎｉ－Ｃｄ－Ｃｏ－Ｆｅ六元组分体系，金属离子摩尔比介于１：１－１：４５时，回收率为７９％－１３５％。对黄浦江水样进行分析，获得了成功。     

推算船位／罗兰C（GPS）组合导航系统的研究及其海上试验

该文研究了推算船位／罗兰Ｃ（ＧＰＳ）组合导航系统的组合模式和推广的非线性卡尔曼滤波算法在该组合模式中的应用，详细推导了舰船运动的七状态数学模型及其机械编排。该文还给出了该组合系统在南海进行试验时的舰船轨迹及定位误差曲线，并进行了比较分析。结果表明：组合系统克服了推位系统的积累误差，抑制了罗兰Ｃ（ＧＰＳ）的随机定位误差，有效地改善了导航定位精度，滤波方案正确，算法稳定。该组合系统已成功地装备于多种型号的舰船上。     

基于卡尔曼滤波的挖泥船电网谐波监测系统的研究

高次谐波造成挖泥船疏浚生产效率低下、能耗增加、环境污染恶化,为了疏浚船舶的交货质量及正常使用,必须先对挖泥船电网谐波进行监测,再对其进行抑制。本文针对挖泥船电网谐波监测的技术问题,结合挖泥船特定的工况海况,采用卡尔曼滤波(Kalman Filtering,KF)算法,构建挖泥船电网谐波监测系统,具有使用效率高、监测精度高、成本低且适用范围较广等特点。     

基于物联网结构的船舶监控中心多源定位数据研究

在船舶物联网结构中,每个船舶的位置信息都能够通过通信系统进行交换,从而每个船舶都能够知道自己在航道中的位置,最大程度上避免发生碰撞事故。因此本文在物联网结构的基础上,采用多源融合的技术,对船舶的定位导航信息进行融合处理,使定位数据的精度更高、获取成本更低,并以多源信息融合技术作为基础,重点对船舶的GPS或北斗导航信息进行处理,采用卡尔曼滤波算法,实现信息的噪声过滤,另一方面也采用物联网实现数据的集中处理,降低了处理成本。     

基于小波变换与卡尔曼滤波结合的GM(1,1)模型在高铁隧道沉降变形分析中的应用

高铁隧道的变形量较小,但受随机噪声的干扰较大,使得监测得到的沉降曲线不能反映实际的沉降情况。鉴于此,文章提出了基于小波变换与卡尔曼滤波相结合的RLG降噪方法,该方法既有小波变换的去相关作用和多分辨分析功能,又有卡尔曼滤波对未知信号的线性无偏最小方差估计的特点。采用GM(1,1)预测模型对降噪后的数据进行分析,得到的结论是:基于小波变换与卡尔曼滤波相结合的GM(1,1)模型的精度较基于卡尔曼滤波的GM(1,1)模型的精度高,可有效地运用于高铁隧道沉降分析中。     

汽车行驶状态参数的估计

介绍Sage-Husa自适应卡尔曼滤波算法和滤波估计流程,建立二自由度汽车模型,在模型中加入系统噪声和测量噪声,建立系统状态方程和观测方程。利用自适应卡尔曼滤波算法,对汽车质心侧偏角和横摆角速度进行估计,并进行转向盘转角正弦输入仿真分析,仿真结果表明两者的真实值和估计值吻合良好。利用自适应卡尔曼滤波算法对汽车行驶状态参数进行估计可以降低汽车的成本,是一种行之有效且具有工程应用价值的方法。     

基于方位时差的多站协同目标跟踪

为提高多站无源协同跟踪的精度.提出了一种基于方位时差的目标跟踪方法.从一种拟线性的方位增量卡尔曼预处理方法人手,降低方位观测的误差,利用距离和时差跟踪建立观测方程.使用扩展卡尔曼滤波的方法对目标的运动状态进行估计,并采用分布式估计集中处理的方式融合多站并行估计数据.通过计算机仿真分析了该方位时差方法的跟踪性能.仿真结果表明.该方法对于目标状态的估计与真值偏差较小,能够满足跟踪精度要求.