有色噪声补偿下降阶系统状态的最优估计

在大型空间结构的控制系统设计中,降阶系统的状态估计是非常重要的环节,它直接关系到控制器的性能。针对B.Friedland的工作,本文提出了有色噪声补偿模型,在恒等变换下显式地消去了有色噪声项,利用正交投影定理仅对感兴趣的状态分量导出了无偏、最小方差估计。这组递推估计式与采用增广状态方法相比,不仅在处理容量、计算效率上有很大改进,而且是标准Kalman滤波方程的推广。注意到原系统与降阶系统之间的内在联系,本文采用随机系统分析方法,给出了在高斯、马尔可夫假设下,有色噪声模型特征参数的在线识别技术。数字仿真表明,对偏差补偿起主要作用的是有色噪声补偿模型中的驱动白噪声项,这是对B.Friedland工作的发展。     

简化的混合估计算法及其在GPS／SINS深组合中的应用

为解决GPS/SINS深组合导航系统滤波的非线性和噪声的不确定性的问题,针对深组合模型特点,设计了一种简化的基于U滤波的多模型混合估计滤波器。根据系统模型中状态方程是线性方程、观测方程是非线性方程的特点,提出了一种简化的U滤波算法(Ultra tight coupling unscented Kalman filter,UTCUKF),然后针对噪声变化建立了非线性模型,多模型混合估计滤波器的输出为各滤波器的概率加权融合,因此模型概率是根据噪声变化而调整的,从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真,并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明,本文算法的解算时间短,模型切换速度更快,而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当,更符合深组合系统高动态的要求。     

GPS/INS组合导航系统的鲁棒滤波研究

卫星定位／惯性导航(GPS／INS)系统可形成优势互补而使短期和长期精度都有保证。GPS／INS组合导航系统通常使用Kalman滤波进行信息融合来削弱或消除系统噪声和测量误差,然而使用Kalman滤波要求系统动态模型精确和噪声的统计参数已知。但实际中构造精确的系统动态模型是十分困难的,并且噪声的统计参数也很难事先精确预知。对H∞问题进行了理论上的分析,构造了H∞滤波来提高系统对参数不确定的鲁棒性。仿真结果表明H∞滤波对模型的不确定性的鲁棒性比应用Kalman滤波的方法有较大的提高。     

带有序列相关噪声Vasicek期限结构模型的线性滤波(英文)

在基于Vasicek利率期限结构模型,使用Kalman滤波器进行状态估计时,通常采用量测噪声不相关假设。研究表明,量测噪声在很多情况下满足相关性假设。本文采用一般性的相关量测噪声假设,提出针对Vasicek模型潜变量估计的状态扩维Kalman滤波法。实验结果表明,量测噪声相关假设下的Vasicek模型比较准确地描述了利率期限结构的动态变化特征。     

基于分布式Kalman滤波和BP神经网络组合的静电陀螺漂移辨识方法

提出一种新的方法,把分布式Kalman滤波(DKF)方法与后向传播神经网络(BPNN)技术相结合,用于静电陀螺漂移的模型辨识.首先,为了消除测量噪声影响,将同一个静电陀螺带有噪声的多次测量数据集映射到一个虚拟的传感器网络中,然后采用具有嵌入式紧致滤波功能的DKF对映射数据进行滤波预处理.在此基础上,将预处理结果转换为用于训练神经网络的输入数据和输出数据,然后采用BPNN辨识静电陀螺漂移.实验表明,该方法可有效用于陀螺漂移的模型辨识.     

采用逐次正交化法的最优分布式Kalman滤波器

为解决大系统中应用整体式Kalman滤波遇到的非实时性难题,本文提出一种能保持最优的分布式Kalman滤波计算方法——逐次正交化法。这是一种适合多微机并行计算的最优算法,确保滤波的“实时性”,优于一般次优分布式Kalman滤波器。     

基于自适应容积粒子滤波的车辆状态估计

针对车辆状态估计中由模型的强非线性、噪声的非高斯分布等相关因素导致估计精度下降甚至发散的问题,本文提出了基于自适应容积粒子滤波(Adaptive cubature particle filter,ACPF)的车辆状态估计器。首先基于非稳态动态轮胎模型,构建高维度非线性八自由度车辆模型。其次利用自适应容积卡尔曼滤波(Adaptive cubature Kalman filter,ACKF)算法更新基本粒子滤波(Particle filter,PF)算法的重要性密度函数,以完成自适应容积粒子滤波算法设计。利用车载传感器信息,运用ACPF算法实现对车辆的侧倾角、质心侧偏角等关键状态变量高精度在线观测。搭建Simulink-Carsim联合仿真平台进行了算法的验证,结果表明该算法状态估计精度高于传统无迹粒子滤波(Unscented particle filter,UPF)算法,且算法运算效率高于UPF算法,而传统PF估计值发散。研究结果为实现车辆动力学精准控制提供了理论支持。     

自适应阵列天线中应用Kalman补偿算法的探讨

为了补偿在自适应阵列天线中应用Kalman算法时,由于模型误差和计算误差所引起的自适应阵列天线性能的损失,本文引入Kalman补偿算法,即自适应Kalman渐消记忆滤波算法及自适应Kalman参量识别滤波算法,获得了有益的结果。最后在上述两种算法的基础上,导出了一种新的算法,该算法具有上述两种算法的优点。     

背景纹影定量化在层流轴对称火焰温度场测量中的应用研究

本文以本生型甲烷/空气层流预混火焰为研究对象,研究了背景纹影技术在层流轴对称火焰温度场测量中的应用。考虑到背景尺度对窗口和相机参数的限制问题,采用了多尺度小波噪点背景。比较各类运动图像处理技术的特点,选用变分光流法获取光线穿过火焰后的偏转角。搭建实验台并进行背景纹影火焰测温实验,实验中发现,在选用多尺度小波噪点背景的情况下,由变分光流算法获得的像素位移分布图的噪声小于同等条件下由互相关算法得到的结果。最后,假设火焰呈轴对称分布,结合Gladstone-Dale公式与理想气体状态方程分别获得了甲烷火焰当量比为1.06和0.83这2种实验条件下的温度场,所获得的温度分布与Raman-LIF法的测温结果相比,趋势基本一致。     

声矢量传感器阵中基于Kalman滤波和OPASTd的DOA跟踪算法

研究了声矢量传感器阵动目标角度跟踪问题,并提出了声矢量传感器阵中 一种基于Kalman滤波和正交压缩近似投影子空间跟踪(Orthonormal projection approximation and subspace tracking of deflation, OPASTd)的波达方向(Direction of arrival,DOA)跟踪算法。该算法通过OPASTd算法来进行DOA的跟踪,从而克服了PASTd算法由于在某些情况下振荡但不收敛进而压缩数据、在迭代更新中由特征向量的不准确性产生误差累积等原因引起破坏信号子空间正交性的缺陷。Kalman滤波和OPASTd相结合算法可在估计角度的同时进行数据关联,与传统的PASTd算法相比,角度跟踪性能更好。该算法的优越性均可在文中得到验证。     

Vehicle State and Parameter Estimation Based on Dual Unscented Particle Filter Algorithm

Acquisition of real-time and accurate vehicle state and parameter information is critical to the research of vehicle dynamic control system. By studying the defects of the former Kalman filter based estimation method, a new estimating method is proposed. First the nonlinear vehicle dynamics system, containing inaccurate model pa rameters and constant noise, is established. Then a dual unscented particle filter （DUPF） algorithm is proposed. In the algorithm two unscented particle filters run in parallel, states estimation and parameters estimation update each other. The results of simulation and vehicle ground testing indicate that the DUPF algorithm has higher state estimation accuracy than unscented Kalman filter （UKF） and dual extended Kalman filter （DEKF）, and it also has good capability to revise model parameters.     

一种新的鲁棒非线性卡尔曼滤波

Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率.基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度.从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度.通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势.     

长波通滤波器的研究

用激光照射掺有碘分子的流场，感应的碘分子荧光包含着流动参数如速度、压强、温度和密度的信息，可用其来对这些参数进行测量。但荧光信号通常很弱，在没有合适滤波器的情况下，测量的信噪比是差的。为了去掉作为噪音的散射的激光和背景光，设计和制造了长波通滤波器，它们具有高质量性能，相应的测量有好的信噪比。     

分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用研究

本文研究了分布式卡尔曼滤波器在GPS/INS组合导航系统中的应用。给出了系统的结构框图和动态方程,设计一个分布式卡尔曼滤波器,并进行了计算机误差模拟分析。结果表明;采用分布式卡尔曼滤波器的组合系统可减少计算时间,且导航位置误差小于15m。     

余度MEMS-IMU/GPS组合导航系统

对采用余度配置的MEMS-IMU/GPS组合导航系统进行了研究。分析了微小型组合导航系统的特点和误差模型,针对惯性/GPS伪距组合导航模式下,卡尔曼滤波器需要对量测方程线性化的缺点,提出了基于改进平淡粒子滤波的滤波算法。该算法采用权值控制参数决定粒子是否进入平淡卡尔曼滤波器,有效降低了滤波计算量,并和UPF算法精度相当。研究表明,改进平淡粒子滤波算法对系统性能有明显提高,在GPS信号受到遮挡、暂时不可用的情况下,具有较好的抑制误差作用,适合余度微惯性/GPS组合导航系统的应用。     

基于图像位移的低轨卫星自主导航技术

利用高速相机测得的地面图形相对卫星的位移,结合星敏感器测得的姿态信息,基于卫星相对地面的速度是一个非线性变化过程这一事实,实现低轨卫星的自主导航.相对于传统的陆标识别自主导航,该方法不需识别地面物体或景象,只需利用图像之间的位移关系,经相关性分析后,便可获得卫星相对于地面的速度信息.因此,不需要存储地面物体或景象的先验信息,故减轻了存储负担.文中还构建了系统的状态方程和量测方程,采用卡尔曼滤波器进行信息滤波.仿真分析显示,该系统具有较好的自主导航精度,可以应用于低轨卫星的自主导航.     

BeiDou B1I/B3I Signals Joint Tracking Algorithm Based on Kalman Filter

Dual-frequency satellite positioning receivers are widely used because they can eliminate ionospheric delay and solve the full-circumference ambiguity quickly. However,in traditional dual-frequency receivers,the relevance of dual-frequency signals are not considered,and,with no improvement imposed to the tracking loop,two independent tracking loops are used to achieve the tracking of dual-frequency signals. In this paper,the Bei Dou dual-frequency signals joint tracking algorithm based on Kalman filter is proposed for the tracking of Bei Dou B1I and B3I dual-frequency signals. Taking the relevance of B1I and B3I signals into consideration,the algorithm adds a Kalman filter between the phase detector and carrier loop filter of the traditional dual-frequency independent tracking loop. The output results of the phase detectors of the B1I and B3I branches are then combined and filtered by the Kalman filter,and the results are input to the carrier loop filters of the corresponding branches. Proved by experiments,the algorithm not only enables the loop to enter a stable tracking state quickly,but also reduces the noise bandwidth of the two loop filters by about 10 Hz with the same tracking performance obtained.     

低速航空声学风洞背景噪声测试技术研究

介绍了在国内第一个全新设计的0.55m×0.4m航空声学引导风洞开展风洞背景噪声测量的技术方案和方法,对电容式麦克风、脉动压力传感器、预极化和非预极化传声器、自由场和压力场传声器、传声器安装方式以及声学频谱算法进行了比较实验和分析.在初期实验过程中,根据测试结果优化了风洞降噪方案,达到了较为理想的风洞背景噪声指标.测试结果表明:采用电容式麦克风比采用脉动压力传感器得到的频谱和声压级精度高;在消声部段前后的同一侧洞壁上测量,可以得到消声部段传声损失;压力场和自由场传声器在修正后可以互换使用;为得到重复性较好的背景噪声频谱和有效声压级,采用频谱线性平均算法.实验结果对低速航空声学风洞背景噪声测试具有一定的指导意义.