Observer-type Kalman innovation filter for uncertain linear systems

An observer-type of Kalman innovation filtering algorithm to find a practically implementable "best" Kalman filter, and such an algorithm based on the evolutionary programming (EP) optima-search technique, are proposed, for linear discrete-time systems with time-invariant unknown-but-hounded plant and noise uncertainties. The worst-case parameter set from the stochastic uncertain system represented by the interval form with respect to the implemented "best" filter is also found in this work for demonstrating the effectiveness of the proposed filtering scheme. The new EP-based algorithm utilizes the global optima-searching capability of EP to find the optimal Kalman filter and state estimates at every iteration, which include both the best possible worst case Interval and the optimal nominal trajectory of the Kalman filtering estimates of the system state vectors. Simulation results are included to show that the new algorithm yields more accurate estimates and is less conservative as compared with other related robust filtering schemes     

改进的Sage-Husa自适应滤波算法在MEMS航姿参考系统中的应用

针对经典Kalman滤波和扩展Kalman滤波融合算法存在的计算量大、精度低、实时性差的缺点,引入了改进的Sage-Husa自适应扩展Kalman滤波算法。该算法对经典扩展Kalman滤波算法进行了自适应改进,并在此基础上利用加权渐消记忆法获取了遗忘因子,并通过预测残差得出了最优解。同时,用调整有偏增益估计的措施来保证系统噪声预测方差矩阵与噪声预测方差矩阵的对称性和正定性,对滤波器发散进行了有效的抑制,减少了算法的计算量。实验结果表明,该算法有效改善了可靠性、精确性及自适应能力。     

Optimal nonlinear filtering in GPS/INS integration

The application of optimal nonlinear/non-Gaussian filtering to the problem of INS/GPS integration in critical situations is described. This approach is made possible by a new technique called particle filtering, and exhibits superior performance when compared with classical suboptimal techniques such as extended Kalman filtering. Particle filtering theory is introduced and GPS/INS integration simulation results are discussed.     

自由段弹道目标跟踪算法在工程中的应用

在对弹道目标跟踪预警的工程实践中,雷达系统对目标运动的信息处理速度尤为重要,因而,文章选取自适应跟踪模型与卡尔曼滤波相结合的方法解决自由段弹道目标的跟踪问题,并与扩展卡尔曼跟踪算法做了对比分析。仿真显示,2种滤波方式分别与自适应跟踪模型相结合后,卡尔曼滤波和扩展卡尔曼滤波跟踪性能相差不大,但其算法简单、运算时间短,可以较好满足自由段弹道目标跟踪的工程需求。     

H_∞滤波算法及其在GPS/SINS组合导航系统中的应用

 在对 H∞ 估计问题进行数学描述的基础上,建立了一种 H∞ 次优滤波算法的迭代方程。定性讨论了H∞滤波算法与传统 Kalman滤波器的关系,通过在 GPS/SINS组合系统中的实际应用进一步从精度、鲁棒性等性能指标方面对 H∞ 滤波和 Kalman滤波算法进行了比较。仿真结果表明,在理想条件下,Kalman滤波方法具有较高的精度;但是,当系统模型和外部干扰统计特性发生变化时,H∞ 滤波算法明显具有良好的鲁棒性能,同时,估计精度也较高,有效地克服了 Kalman滤波器存在的局限性。     

多传感器组合导航系统的多尺度异步信息融合算法

首先,将状态方程采用数据块变换的方式得到新的状态块方程,并将量测方程表达为数据块的形式;然后,将量测向量进行多层小波变换以得到新的量测向量,结合状态块方程进行卡尔曼滤波;最后,利用异步贯序滤波的方法,建立了基于全局的最优估计值。将上述算法应用于GPS/SST/高度表/SINS多组合导航系统,仿真结果表明:相对于单一尺度的异步滤波算法,该算法可明显地提高系统的滤波精度。     

基于双重卡尔曼滤波器的发动机故障诊断

提出了一种基于双重卡尔曼滤波器的航空发动机健康参数估计方法,实现了传感器发生故障情况下发动机故障的准确诊断.采用发动机动态工作点的测量数据,解决了可测量参数偏少导致故障诊断困难的问题;球面采样平方根UKF(UnscentedKalmanfilter)故障诊断滤波器具有更好的滤波稳定性与更低的计算量的要求,提高了故障诊断算法的效率与精度.某型双轴涡扇发动机故障诊断仿真结果表明,该方法可以准确的同步实现气路部件与传感器的故障诊断,是一种有效的航空发动机故障诊断方法.      

Tracking an incoming ballistic missile using an extended interval Kalman filter

The important tracking problem by radar of an incoming ballistic missile system, which contains uncertainty in modeling and noise in both dynamics and measurements, is studied. The classical extended Kalman filter (EKF) is no longer applicable to such an uncertain system, and so a new extended interval Kalman filter (EIKF) is developed for tracking the missile system. Computer simulation is presented to show the effectiveness of the EIKF algorithm for this uncertain and nonlinear ballistic missile tracking problem.     

自适应滤波方法研究

证明Ｓａｇｅ－Ｈｕｓａ的自适应卡尔曼滤波算法不能同时估计Ｑ和Ｒ,并分析了该法导致滤波发散的原因。介绍了一种新的自适应卡尔曼滤波算法,该法当Ｒ（或Ｑ）已知时可以准确地估计出Ｑ（或Ｒ）。该法的独特之处在于当对Ｑ（或Ｒ）进行修正估计时,只采用矩阵的乘运算和求逆运算,而不进行加减法运算,因此消除了滤波发散现象。数字仿真表明效果良好。     

基于H?滤波算法的BP网络在SINS/GPS中的应用

实际系统中存在的各种不确定性和非线性将使估计精度降低、卡尔曼滤波发散。针对这些问题,文章提出了基于H∞滤波算法的BP网络自适应滤波技术,采用H∞滤波算法在线调节BP网络的权值,并应用在SISN/GPS中。仿真结果表明,该网络具有较好的鲁棒性,其精度与H∞滤波算法的精度相当。     

利用卡尔曼滤波求取直升机气动导数的应用研究

本文主要介绍利用低通滤波、卡尔曼滤波及最小二乘法求取直升机气动导数的方法。本方法的特点是,通过低通滤波使旋翼高频成份的影响减至最小,同时求取试验数据的测量噪声和过程噪声,然后通过卡尔曼滤波使试验数据包含的随机噪声减至最小,最后用最小二乘法求得直升机的气动导数,为了提高卡尔曼滤波的准确度,用最小二乘法由试验数据求取直升机的气动导数作为卡尔曼滤波时的初始导数。计算结果表明,该方法可使试验数据中包含的噪声大大减小,误差带减少70％以上,而计算工作量又远远小于最大似然法。     

晃动环境下组合导航系统精度事后评估算法研究

海风、波浪、海流等因素会产生舰船的摇摆晃动,从而给舰船导航系统精度带来严重干扰.固定区间平滑滤波处理算法能够利用观测时间间隔内全部观测信息得到状态的最小方差估计,对导航精度进行事后评估.在研究晃动环境下的SINS/GP S组合导航应用平滑滤波算法的相关原理的基础上,首先利用Kalman滤波器进行组合导航,存储相关信息后按时间逆序利用固定区间平滑滤波算法进行事后分析.该方法可以针对不同的海况以及不同的海上作业需求,有效地为组合导航系统精度提供检验标准,考核各种海洋环境下的导航系统精度.     

非线性系统中多传感器目标跟踪融合算法研究

 研究了在非线性系统中 ,基于转换坐标卡尔曼滤波器的多传感器目标跟踪融合算法。通过分析得出 :在非线性系统的多传感器目标跟踪中 ,基于转换坐标卡尔曼滤波器 ( CMKF)的分布融合估计基本可以重构中心融合估计。仿真实验也证明了此结论。由此可见分布的 CMKFA是非线性系统中较优的分布融合算法     

车载组合导航中的自适应滤波技术研究

针对现有的自适应卡尔曼滤波算法结构繁杂,采用了一种自适应卡尔曼滤波的车载SINS/GPS 组合导航算法,并与常规卡尔曼滤波算法作了比较。仿真结果表明,这种算法具有结构简单、实时性好和抗野值等的优点,不失为一种实用而有效的滤波方法。     

基于神经网络的航天器GPS/INS组合定姿系统

基于GPS和惯性技术的组合导航系统是近年来导航系统的研究热点和主要发展方向.目前基于卡尔曼滤波方法的算法在稳定性、计算量、算法鲁棒性以及系统可观测性等方面仍然存在问题.基于神经网络技术研究了一种新的GPS/INS组合定姿自适应卡尔曼滤波方法,理论分析表明,该方法不但对姿态信息具有较好的估计性能,而且对系统模型的精确性、噪声特性具备良好的鲁棒性.最后,利用模拟数据对所研究算法进行了分析计算,与传统的卡尔曼滤波方法进行了比较、分析,结果表明所设计组合算法在精度、稳定性以及鲁棒性等方面较传统卡尔曼方法具有良好的特性.     

An alternate algorithm for discrete-time filtering

The discrete-time Kalman filter is an optimal estimator for the states of a linear, stochastic system. It assumes that measurements are linear combinations of the states, and all disturbances are Gaussian. The influence diagram, a decision analysis tool that provides an algorithm for discrete-time filtering equivalent to the Kalman filter when the influence diagram represents Gaussian random variables, is discussed. The influence diagram algorithm is a factored form of the Kalman filter, similar to other factored forms such as the U-D filter. Compared with the Kalman filter, it offers improved numerical properties. Compared with other factored forms, it offers a reduced computational load     

SINS／GPS／CNS组合导航中的鲁棒滤波算法研究

组合导航系统难以精确建模、噪声统计特性难以获得等问题逐渐突出,严重影响了组合导航系统滤波器的稳定性。为提高SINS／GPS／CNS组合导航系统的鲁棒性,设计了基于H∞滤波理论的鲁棒滤波算法,提高了导航系统对系统模型参数变化的适应能力。通过仿真与线性卡尔曼滤波器进行对比,验证了在系统模型参数变化的情况下,H∞滤波器精度几乎不发生改变,有更好的鲁棒性;提高了组合导航系统在噪声统计特性和模型参数不易确定情况下的导航性能。     

基于TDC的高精度频标驯服系统设计与实现

介绍GPS驯服晶振的原理；采用高精度时间间隔测量芯片TDC测量时间间隔；设计了一种Kalman滤波算法对测量数据进行实时滤波，并通过实验对系统进行了验证。     

基于带有事件触发机制的集员滤波的RSSI室内移动定位

在室内移动定位系统中,由于待定位节点易受统计特性未知的噪声干扰影响,采用Kalman滤波和粒子滤波等经典的噪声抑制方法,已无法有效满足室内定位精度不断提升的要求.针对这一问题,提出了一种基于事件触发的集员滤波室内移动定位算法.首先,针对基于接收信号强度指数(RSSI)测距误差导致传统三边定位算法无法获取可行解的问题,提...     

Convergence analysis for inexact mechanization of Kalman filtering

A computational aspect of real-time estimation is considered, in which the estimation algorithm to be used has the standard optimal Kalman filtering structure, but the actual inverse matrix within the Kalman gain is replaced by an expedient approximation at each instant. In real-time applications, most Kalman filtering schemes are approximate to a degree as a consequence of numerical roundoff matrix inversion. The convergence properties and error estimates of such schemes are obtained to provide a theoretical basis for gauging the utility of using the above approximations of the Kalman gain matrix at each time instant. A new exponentially convergent scheme is also suggested for approximating the inverse matrix within the Kalman gain. Conditions are determined under which online approximate matrix inversion can be eliminated as the cause of Kalman filter divergence in real-time implementations