动态卡尔曼滤波在导航试验状态估计中的应用

阐述了GPS动态试验的新方案,使用两个精度相差一个数量级的GPS接收平台,通过匀速运动车辆的DGPS及GPS的滤波对比试验,验证了卡尔曼滤波器的有效性.并针对传统EKF(extended Kalman filtering)滤波器动态滤波性能较差的缺陷,引入了一种基于非线性思想的动态无导数卡尔曼滤波器,并对其状态方差阵及随机噪声方差阵Cholesky分解更新公式做了改进,避免了导数的运算,加快了滤波速度,有效地确保方差矩阵平方根的正定性从而抑止了发散.将这种新的卡尔曼滤波器应用于实际动态定位状态估计问题上.试验结果表明:比起传统卡尔曼滤波器,新的卡尔曼滤波器有较高的精度,实用性更强.     

UKF在永磁直线同步电动机无位置传感器控制中的应用

Unscented卡尔曼滤波器(UKF)在许多非线性估计问题中是一种估计性能优于扩展卡尔曼滤波器(EKF)的非线性滤波方法。然而在永磁直线同步电动机无位置传感器控制中,UKF是否能提高永磁直线电动机位置与速度的估计性能却尚未见研究。针对永磁直线同步电动机进给系统的特点,建立用于位置与速度估计器的永磁直线同步电动机进给系统模型,提出永磁直线同步电动机无位置传感器控制系统。通过仿真和试验对UKF的估计性能进行评估,并与EKF进行了比较。仿真及试验结果表明,UKF在估计性能与EKF相当, 然而UKF的计算量却比EKF大,使得在高速永磁直线同步电动机无位置传感器控制这一特定问题上,EKF比UKF更有效。     

交互多模型在车辆组合定位系统中的应用（英文）

为解决扩展卡尔曼滤波器(extended Kalman filter,EKF)在车辆组合定位系统中因车辆加减速、转弯(以下简称机动)而存在的精度低、稳定性差等问题,设计了一种将交互多模型(interacting multiple model,IMM)算法与非线性卡尔曼滤波器相融合的自适应滤波算法。该算法使用三种状态空间模型来描述车辆的运动模式,采用多个非线性滤波器对每个模型并行滤波,通过模型匹配似然函数对滤波结果进行加权融合,最终得到系统的定位信息。该方法具备非线性系统滤波器优点,克服了单一模型滤波算法对机动目标定位效果差的缺点。利用该方法和EKF算法分别对GPS/INS/DR车辆组合定位系统中进行了仿真实验,结果表明,该算法的滤波定位精度明显优于目前组合定位系统中所用的EKF滤波器,大幅提高了组合定位系统的稳定性和定位精度。     

基于改进卡尔曼滤波在车辆组合导航中的研究

针对车辆在长时间行驶的状态中,组合导航经常会出现滤波精度不高的问题,提出一种采用遗传算法对卡尔曼滤波器进行在线调节的自适应数据融合方法,根据位置误差系数和卡尔曼滤波器的新息统计信息,实时调整参数值,将卡尔曼滤波器调整到运行过程中的最优状态。通过MATLAB软件对该方法进行仿真试验,模拟INS/GPS组合导航系统运行情况,表明这种方法和传统卡尔曼滤波算法相比较导航精度明显提高。     

基于卡尔曼滤波的涡街流量计信号处理方法研究

为了改善涡街流量计的性能，提出了一种基于卡尔曼滤波的涡街信号处理方法。根据涡街信号的特点，设计了一个线性涡街信号模型。结合模糊搜索和迭代算法，通过分析卡尔曼滤波器算法的原理和关键参数，改进卡尔曼滤波器算法。通过仿真模拟和实际流量实验验证了所提出的方法，并与其他方法进行了比较。实验结果表明，所提出的方法具有自适应滤波、更好的抗干扰能力和更快的滤波速度的优点。     

微型光电编码器在电机角速率辨识中的应用

针对电机伺服控制系统利用编码器角位置信息预测角速率的需求,提出并实现了一种基于平稳卡尔曼滤波的编码器信号处理方法。首先,分析了典型电机系统的结构及测量噪声编码器的组成,在此基础上建立了电机系统和编码器的参数化数学模型,并根据电机系统和编码器模型给出了统一的参数化平稳卡尔曼滤波器设计结果。在Matlab/Simulink环境下完成了电机、编码器和卡尔曼滤波器的仿真模型,并利用不同参数对参数化平稳卡尔曼滤波器的普适性和滤波效果进行了预测。最后,搭建了实验平台,对仿真结论进行验证并对滤波性能进行了实测。仿真和实验结果表明:参数化滤波模型对典型电机系统具有普适性,自适应平稳卡尔曼滤波器可以利用编码器信号实现角速率的最优估计,误差标准差为0.021(°)/s,最大误差可以控制在0.06(°)/s之内,能够满足一般电机伺服系统对角速率精度的要求。     

无陀螺微惯性测量单元的卡尔曼滤波方法研究

无陀螺惯性测量技术是利用加速度计代替传统的陀螺,构成无陀螺微惯性测量单元(NGMIMU)实现制导的.由于加速度计随机漂移误差的存在,在利用NGMIMU进行导航计算时,不可避免地产生了随时间增长的累积误差,且累积速度很快.本文基于NGMIMU九加速度计配置方案,利用卡尔曼滤波器抑制误差的累积,并且推导了卡尔曼滤波器的状态方程和预防方程.同时进行了系统位移、速度仿真,实验结果验证了该滤波算法的有效性.     

一种新型非线性卡尔曼滤波方法

提出了一种新型非线性卡尔曼滤波方法—单形无迹求积卡尔曼滤波(SUQKF)方法,该方法通过对单形无迹卡尔曼滤(SUKF)波所用的采样点进行修正,并与高斯-拉盖尔积分准则相结合,构造了一组个数、权系数和空间分布确定的新型高阶采样点,用来进行滤波。同时指出SUKF是SUQKF的特例。将所提方法通过实验与扩展卡尔曼滤波(EKF)、容积求积卡尔曼滤波(CQKF)进行比较,结果表明:SUQKF方法滤波精度高于EKF和CQKF,且收敛速度较快,实时性优于CQKF。     

强跟踪UKF方法及其在故障辨识中的应用

在随机噪声的影响下,非线性滤波是进行非线性系统故障诊断的常用途径之一,UKF(unscented Kalman filter)相对于扩展卡尔曼滤波器能进一步提高滤波精度.本文针对普通UKF辨识非线性系统故障时跟踪缓慢且存在稳态偏差的问题,且为了抑制模型误差的影响,基于正交性原理,定义了实现强跟踪需满足的2个条件,通过强制使得残差序列保持近似高斯白噪声,得到了各状态渐消因子的求解方法,进而提出了强跟踪UKF方法.某型直升机并联舵机控制系统的实验结果表明,该方法能快速准确地辨识出系统的两种参数偏差型故障.     

融合EMA和卡尔曼滤波的MEMS去噪研究与应用北大核心CSCD

针对传统卡尔曼滤波器应用于高灵敏度传感器去噪时的参数初始化问题,通过理论分析了不同测量噪声和系统噪声值对滤波效果的影响,并提出了一种融合EMA和Kalman的滤波算法,以提高对MEMS惯性传感器等高灵敏传感器的滤波效果。仿真结果表明:该算法相对经典卡尔曼算法在收敛前期RMES提升了约13%,在收敛后期提升约10%。并将其应用于MEMS的加速度姿态解算的滤波,结果表明:该算法的滤波效果明显优于经典卡尔曼和互补滤波算法。     

一种快速GPS/DR组合导航系统状态估计算法研究

无轨迹卡尔曼滤波(UKF)技术在非线性系统(GPS/DR车载组合导航系统)的状态估计中取得了比扩展卡尔曼滤波(EKF)更好的滤波精度和收敛速度.为了进一步减少采样点数目,提高UKF滤波实时性,一组n+2个采样点被构造用于逼近系统状态分布.蒙特卡洛仿真表明RUKF和UKF在滤波精度和收敛速度上是一致的,RUKF的计算效率好于UKF.     

Kinematic modeling of a track geometry using an Unscented Kalman Filter

New data filtering methods based on the Kalman filter concept are investigated for application to track geometry, where a track trolley is normally used to measure the track coordinates, cant and gauge, among others. Continuous as well as discrete measurements of the trolley are conceptually modeled, and the accuracy of the sampling scheme is also investigated. For this, a modified kinematic model of the track geometry involving transition and circular curves is proposed based on the tangential as well as normal acceleration, and both a nonlinear Extended Kalman Filter (EKF) and an augmented Unscented Kalman Filter (UKF) are applied to optimize the measured data. The efficiency and accuracy of the proposed models of EKF and UKF having a new kinematic equation is verified with ideal track geometry and with statistical methods including Root Mean Square (RMS). In addition, field measurement data are also considered to check the applicability of the models. Finally, future work on track geometry modeling based on a high-speed measurement vehicle is briefly outlined.     

基于最大一致的水下目标协同定位

针对水下运动目标定位时,现有的平均一致无迹Kalman 滤波器仅能实现近似一致而带来定位精度低的问题,提出一种分布式最大一致无迹 Kalman 信息滤波算法。首先,建立目标与传感器模型,构建水下目标协同定位框架;然后,通过等价变换将集中式无迹 Kalman 滤波算法改写为信息滤波形式,降低传感器计算维数;最后,对改写后的信息向量和信息矩阵采用最大一致处理策略,并引入虚拟节点技术来处理节点同值问题。结果表明,所提算法的定位轨迹与目标实际轨迹重合度更高且误差整体水平更小,验证了所提算法的有效性。     

一种用于光电目标跟踪的非线性滤波算法

基于传统转换测量卡尔曼滤波算法,提出了一种二阶去偏转化测量卡尔曼滤波算法。该算法对转换测量方程进行二阶泰勒展开,得到转换测量值误差的均值和方差表达式,并对转换测量方程进行去偏差补偿,再经转换测量卡尔曼滤波,从而显著减小传统滤波算法的线性化误差,提高远距离目标的跟踪精度。仿真结果表明:二阶去偏转换测量卡尔曼滤波(SCMKF)算法跟踪精度明显优于传统的扩展卡尔曼滤波(EKF)算法和转换测量卡尔曼滤波(CMKF)算法,收敛速度比EKF算法至少可提高1倍。     

基于视线测量的航天器相对导航滤波方法研究

基于视线测量的航天器相对导航精度会受到相对轨迹形状和滤波算法设计等因素的共同影响。以低轨卫星近距离编队飞行为任务背景,设计了环航飞行、共面漂移和共线保持3种不同轨迹的相对运动模式。对3种模式建立了基于星间非线性相对运动模型的系统状态方程,并引入了J2项地球非球形摄动力的影响;建立了基于视线测量的观测方程,观测量包括星间相对距离、相对俯仰角和相对航向角。结合系统模型和观测模型均为高斯分布的非平稳随机过程的特点,分别在上述3种模式下设计了基于扩展卡尔曼滤波(extended Kalman filter,EKF)和无迹卡尔曼滤波(unscented Kalman filter,UKF)的相对导航滤波算法,对各自的相对运动轨迹进行了数值仿真,并在半物理硬件环境下进行了验证,分析了不同模式下EKF和UKF对于高斯非平稳随机过程的估计精度和稳定性,并结合EKF和UKF的运算复杂度,提出了3种相对运动模式下的滤波器优选方案,对工程设计提供了理论参考。     

多目视觉与激光组合导航AGV精确定位技术研究

为进一步提高自动导引车(AGV)的定位精度,提出了一种多目视觉与激光组合导航的精确定位方法。该方法首先提出了一种基于双目视觉实时测量的AGV位姿控制技术,通过多目视觉系统来识别导引线侧的多个圆形标识点完成前瞻预判与精准定姿。采用基于代数距离方差校验的改进型最小二乘拟合椭圆算法来确定各标识中心坐标,结合激光扫描与视觉定位信息,采用无迹卡尔曼滤波算法进行多传感器信息融合,最终实现精确定位。实验结果表明:使用该方法后定位精度明显得到提高,控制曲线更为平滑,定位鲁棒性更好,姿态调整精度可达±0.5°,停车定位精度可达±1 mm。     

卡尔曼滤波在MEMS惯性姿态测量中的应用

由于测控成本和有效载荷的限制,一般采用微机电系统(MEMS)惯性传感器来测量小型无人机的飞行姿态。在MC9S12XS128单片机上通过嵌入式软件编程实现了卡尔曼滤波算法,并在JZJ-1型自准直仪转台上对MEMS加速度计和陀螺仪的输出信号进行了数据融合试验,较好地解决了MEMS惯性测量系统的零漂和机械振动干扰问题。     

Maximum correntropy square-root cubature Kalman filter with application to SINS/GPS integrated systems

For a nonlinear system, the cubature Kalman filter (CKF) and its square-root version are useful methods to solve the state estimation problems, and both can obtain good performance in Gaussian noises. However, their performances often degrade significantly in the face of non-Gaussian noises, particularly when the measurements are contaminated by some heavy-tailed impulsive noises. By utilizing the maximum correntropy criterion (MCC) to improve the robust performance instead of traditional minimum mean square error (MMSE) criterion, a new square-root nonlinear filter is proposed in this study, named as the maximum correntropy square-root cubature Kalman filter (MCSCKF). The new filter not only retains the advantage of square-root cubature Kalman filter (SCKF), but also exhibits robust performance against heavy-tailed non-Gaussian noises. A judgment condition that avoids numerical problem is also given. The results of two illustrative examples, especially the SINS/GPS integrated systems, demonstrate the desirable performance of the proposed filter.     

Adaptive Sliding Kalman Filter using Nonparametric Change Point Detection

This paper aims to develop an Adaptive Sliding Kalman Filter (ASKF) by fusing the concept of change detection in a data stream, adapting noise covariance matrices and the Sliding Kalman filter (SKF). Adaptive Kalman filtering (AKF) scheme modifies the noise covariance matrix (Q and R) value based on a window of past innovation sequence whereas SKF is a window based filtering technique which uses past information to obtain the present state estimate. However, the length of the window chosen for SKF and AKF is arbitrary and a scheme has been devised here to adapt this window length according to the data stream statistics. The change detection scheme chosen here does not make any assumption on the data distribution and is sequential in nature, such that a change is triggered whenever the underlying statistics of data crosses a pre-determined threshold. The key contribution of this work is toward the formulation of a mechanism by which the window length is made adaptive such that whenever a change is detected, the window length for SKF and AKF is curtailed and restarted in an oscillatory windowing fashion. The suggested filter is robust against temporary uncertainties and appropriate for reliable estimation of signals that may arise in many engineering areas. Real world experimental results demonstrate better estimation accuracy of the proposed method than that of others.