两段卡尔曼估值器及最优条件研究

考虑了具有ARMA模型随机偏差的两段卡尔曼估值器的最优条件问题。首先给出了增广状态的最优卡尔曼滤波和两段卡尔曼估值器 ;其次证明了在一定的代数约束条件下 ,两段卡尔曼估值器和增广状态的最优卡尔曼滤波是等价的 ;最后 ,由于给定的代数约束条件在实际系统中是受限制的 ,因此结论表明两段卡尔曼估值器是次优的。     

基于多模型方法的自适应卡尔曼滤波

针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器。针对每一个滤波器建立一个基于输出误差的指标切换函数,每一个采样时刻将指标切换函数取得最小值的滤波器的状态估计值切换为系统的当前状态估计值。仿真结果表明,与常规的自适应滤波器相比,此方法可以极大地改善滤波器的滤波效果。     

自校正解耦信息融合Wiener状态预报器

对含未知噪声方差阵的多传感器系统,用现代时间序列分析方法,基于滑动平均新息模型的在线辨识和求解相关函数矩阵方程组,可得到白噪声方差阵的在线估值器。在按状态分量标量加权线性最小方差最优信息融合准则下,提出了一种自校正解耦信息融合Wiener状态预报器,实现了状态分量的自校正解耦局部Wiener预报器和自校正解耦融合Wiener预报器。用动态误差系统稳定性分析方法证明了该预报器的收敛性,即若滑动平均新息模型参数估计是一致的,将收敛于噪声方差阵已知时的最优解耦信息融合Wiener状态预报器。一个带三传感器的目标跟踪系统的仿真例子说明了其有效性。     

并行多参考模型卡尔曼滤波系统仿真研究

研究了卡尔曼滤波器算法的基础上,提出随机系统多参考模型卡尔曼滤波器的新方法。该方法用Ｎ个线性模型近似表示参数变化很大的非线性系统。再用卡尔曼滤波器对Ｎ个模型进行滤波,得到Ｎ个状态的估计值。然后,对这Ｎ个状态估计值进行概率加权求和,得到最优状态估计值。分别针对二阶系统和船舶模型进行了大量的仿真研究。仿真结果展示,该方法具有广阔的工程应用前景。     

基于Masreliez-Martin的鲁棒分数阶容积卡尔曼滤波算法及应用

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题, 提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上, 使用三阶容积原则推导了状态预测公式, 并使用M-M方法实现状态的量测更新, 构成了基于M-M方法的鲁棒分数阶容积卡尔曼跟踪算法。将提出的算法应用到再入目标的状态估计中, 仿真结果表明, 基于M-M方法的鲁棒分数阶容积卡尔曼滤波器优于分数阶无迹滤波器和分数阶容积卡尔曼滤波器。最后, 分析了不同程度的量测污染噪声对鲁棒分数阶容积卡尔曼滤波算法的估计性能影响, 验证了所提算法的鲁棒性。     

非线性非高斯模型的高斯和滤波算法

通过将模型的状态噪声和观测噪声均表示成高斯和的形式,推导出非线性非高斯状态空间模型的高斯和递推算法,进一步提出了对应的扩展卡尔曼和滤波器（extended Kalman sum filter, EKSF）和高斯厄密特和滤波器（Gauss-Hermite sum filter, GHSF）。EKSF和GHSF分别用扩展卡尔曼滤波器（extended Kalman filter, EKF）和高斯厄密特滤波器（Gauss-Hermite filter, GHF）作为高斯子滤波器。分析的结果表明,现有的高斯和滤波算法是本文算法的特例;仿真结果表明,EKSF和GHSF能有效处理非线性非高斯模型的状态滤波问题,与高斯和粒子滤波器（Gaussian sum particle filter, GSPF）相比,EKSF和GHSF在保证精度的同时,大大降低了计算量,仿真时间分别约为GSPF的5%和6%。     

合金热挤压中基于混杂模型的突变预测与仿真

通过研究合金热挤压过程中的突变现象与观测参数之间的关系,提出了一种观测值增量估值模型,在此基础上构建了一种基于增量估值模型的混杂系统,实现对挤压过程连续状态和离散状态的有效辨识;其中,针对连续状态的辨识,为了对参量进行有效检测,将参量设计为增量加速度向量,根据观测量瞬间变化时原有稳定系统观测模型与实际情况不匹配,从而导致新息序列统计特性发生变化的事实,构造了一种增量向量检测器;针对离散状态的辨识,采用隐马尔科夫模型,结合混杂模式转换概率矩阵,构建了一种离散状态辨识器。最后,基于新提出的混杂系统模型,设计并实现了一种有效的突变预测算法,仿真实验结果表明,新算法具有良好的突变预判性。     

集中式多传感器无极联合概率数据互联算法

针对杂波环境下非线性系统中的多传感器多目标跟踪问题,提出了一种集中式多传感器无极联合概率数据互联算法。该算法中,首先采用无极卡尔曼滤波器实现非线性系统中状态分布的传递,在此基础上应用联合概率数据的思想将单个传感器的量测点迹与航迹互联,最后推广至顺序结构。由于无极卡尔曼滤波器可以获得比扩展卡尔曼滤波算法更高精度的近似,因此能减少非线性模型线性化引起的近似误差对联合概率数据互联概率及状态估计的影响,与基于扩展卡尔曼滤波器思想的顺序多传感器联合概率数据互联算法相比,该算法具有更高的跟踪精度和稳定性,最后通过仿真结果验证了该算法的优越性。     

基于时延补偿卡尔曼滤波器的NCS组合式X2故障检测

考虑一类时延网络控制系统,提出了一种具有时延补偿功能的卡尔曼滤波器设计方法,并对系统进行状态估计.通过对系统时延特性的研究,采用变分法推导出了时延网络控制系统的离散时间卡尔曼滤波公式,给出了具体的最优线性递推滤波算法.并且在对系统进行故障检测方面,提出了一种新的组合式x2检验法.最后通过仿真实例验证了所设计的卡尔曼滤波器与组合式x2检验法的有效性.     

FLAKF在无陀螺惯性测量组合中的应用

在无陀螺惯性测量组合（non gyro inertial measurement unit, NGIMU）导航计算中,由于加速度计输出动态噪声的存在,造成误差随时间迅速累积。采用传统卡尔曼滤波方法进行NGIMU/GPS组合导航系统设计时,又由于观测噪声的复杂性,造成滤波结果不明显。针对上述噪声统计特性不易确定的问题,基于NGIMU九加速度计配置方案,提出利用模糊逻辑自适应卡尔曼滤波(fuzzy logic adaptive Kalman filter, FLAKF)方法进行NGIMU/GPS组合导航系统设计。该FLAKF方法通过对噪声方差进行修正,将卡尔曼滤波器调整到最优状态。同时进行了系统位移、速度、角速度仿真,仿真结果验证了FLAKF方法的可行性。     

Study on Optimality of Two-Stage Estimation with ARMA Model Random Bias

1.INTaoDUCTIONInrecentyearsconsiderableworkhasbeendoneontheproblemofestimatingthestateofalinearsystemwitharandombiasthatinfluencesthesystemdynamicsandobservations.Thebasicmethodistheaugmelltedstateestimationwhosecomputationincreaseswiththebiajsvectordimension.Tomailltaincomputationalamountatalevel,theideaofusingatwasstagestateestimationtoimplementaugmentedstateestimationisintroducedbyFreidland[1],whichistodecouplethecentralfilterintotwoparallelfilters.Thefirstfilter,the"biasfree"filter,isb…     

White noise estimation for discrete-time systems with random delay and packet dropout

This paper is concerned with the optimal and suboptimal deconvolution problems for discrete-time systems with random delayed observations. When the random delay is known online, i.e., time stamped, the random delayed system is reconstructed as an equivalent delay-free one by using measurement reorganization technique, and then an optimal input white noise estimator is presented based on the stochastic Kahnan filtering theory. However, tb_e optimal white-noise estimator is timevarying, stochastic, and doesn＇t converge to a steady state in general. Then an alternative suboptimal input white-noise estimator with deterministic gains is developed under a new criteria. The estimator gain and its respective error covariance-matrix information are derived based on a new suboptimal state estimator. It can be shown that the suboptimal input white-noise estimator converges to a steady-state one under appropriate assumptions.     

三维AoA目标跟踪的二次约束卡尔曼滤波算法

在基于到达角(angle of arrival, AoA)的三维目标跟踪中, 伪线性卡尔曼滤波具有稳定性高和计算复杂度低的优点, 但是严重的偏差问题使其跟踪精度迅速下降。针对该问题, 提出一种二次约束卡尔曼滤波(quadratic constraint Kalman filter, QCKF)算法。首先引入涉及所有观测噪声项的增广矩阵, 然后建立与线性卡尔曼滤波等价的目标函数并且附加含有二次项的约束条件, 以此降低偏差影响, 实现更准确的状态更新。QCKF算法采用广义特征值分解求解约束优化问题, 无法直接通过状态更新表达式推导其协方差矩阵, 因此利用约束条件以及矩阵扰动方法完成协方差矩阵更新。仿真分析表明, QCKF算法相较于其他非线性滤波算法具有更优的跟踪性能, 不仅在低噪声条件下可达到后验克拉美罗下界, 而且当噪声严重时能够显著降低跟踪误差, 并且计算开销不高。     

衰减记忆自适应滤波在惯导系统传递对准中的应用

针对滤波稳定性问题,提出了一种改进的衰减记忆自适应滤波算法。通过引入衰减记忆滤波矩阵,根据残差序列输出的互不相关性,在线自适应地调整衰减因子,从而使衰减记忆滤波工作在最佳状态。将该算法应用于惯导系统的传递对准过程,仿真结果表明在模型和噪声统计特性的先验信息不准确时,该算法优于传统的卡尔曼滤波。     

SR-CH∞KF用于弹丸飞行姿态测量研究

为提高弹丸姿态测量精度,提出一种基于H∞滤波的平方根容积卡尔曼滤波.该方法通过三轴地磁传感器和陀螺仪组合测量模型,采用欧拉角算法模型减少状态维数并使状态方程呈现线性化,可以减少计算量.该方法可以适用于量测噪声不确定的情况,引入新息序列不断修正误差限定参数来更新量测噪声估计值,可以提高滤波的精度和鲁棒性.奇异值分解能够保...     

Distributed Kalman filtering fusion with packet loss or intermittent communications from local estimators to fusion center

This paper considers the distributed Kalman filtering fusion with passive packet loss or initiative intermittent communications from local estimators to fusion center while the process noise does exist.When the local estimates are not lost too much,the authors propose an optimal distributed fusion algorithm which is equivalent to the corresponding centralized Kalman filtering fusion with complete communications even if the process noise does exist.When this condition is not satisfied,based on the above global optimality result and sensor data compression,the authors propose a suboptimal distributed fusion algorithm.Numerical examples show that this suboptimal algorithm still works well and significantly better than the standard distributed Kalman filtering fusion subject to packet loss even if the process noise power is quite large.     

IAE-adaptive Kalman filter for INS/GPS integrated navigation system

1 .INTRODUCTIONInertial navigation system(INS) and Global posi-tioning system ( GPS) are two major navigationsystems now widely usedfor marine applications a-round the world. Considering both systems pos-sess complementary working characteristics , abooming attention is focused on finding effectivemethods to combine the two different systems toconstituteintegrated navigation system with higheraccuracy and better performance .Information likeGPS position and velocity are often chosen as…