一种基于状态空间离散化的粒子滤波器

粒子滤波是一种基于蒙特卡罗仿真的最优回归贝叶斯滤波算法。这种方法不受线性化误差和高斯噪声假定的限制,适用于任何状态转换或测量模型,因此能够很好地解决非线性、非高斯环境下系统的状态估计问题。在它的设计中最重要的一步就是建议分布的选取。传统的算法需要在整个状态空间中进行计算,这浪费了大量的计算时间。该文提出一种新的建议分布的构造方法,它基于状态空间离散化的思想来构造建议分布。仿真结果表明,相对传统的算法这种粒子滤波器能用更少的粒子产生更准确的估计值。     

基于粒子滤波处理GPS定位信息的研究

为提高GPS接收机的定位性能,首先对采样粒子数目进行研究,发现并不是采样粒子数目越多粒子滤波(Particle Filter,PF)的滤波效果就越好。然后针对PF算法中存在的粒子退化现象,研究PF算法与扩展卡尔曼滤波算法(the Extended Kalman Filter,EKF)处理加入了高斯噪声干扰的非线性模型,仿真并分析得到,PF在处理高斯非线性模型的时候滤波效果要优于EKF算法,试验中发现PF算法在粒子数目较大的时候滤波效果远远偏离真实值,试想通过EKF算法计算取得的均值和方差来引导PF算法进行下一步采样,以此建立较好的重要性密度函数。试验表明经过扩展卡尔曼滤波改进的粒子滤波算法相比PF算法更加精确,平缓性更好。     

基于变分贝叶斯粒子滤波的航空发动机气路故障诊断方法

针对航空发动机气路故障诊断中非高斯噪声特性未知的情况,设计一种基于变分贝叶斯(VB)和核极限学习机(KELM)的边缘化粒子滤波方法.该算法采用学生t分布对非高斯噪声建模,并对噪声参数集进行边缘化处理,利用VB递推出噪声的统计特性;递推过程中采用KELM代替发动机迭代模型计算粒子的测量似然函数,显著降低了VB的计算复杂度...     

基于IMMPF的组合导航算法研究

为解决组合导航系统中存在的非线性、非高斯等问题,设计了一种多模型粒子滤波器,通过仿真实例验证了该算法不仅对基于伪距和伪距率的组合导航系统具有较高的滤波精度,当在导航系统上加入非高斯噪声之后依然能保持较好的收敛性,而且能在预先设定的模型集内根据模型概率正确匹配系统状态,对环境具有极强的白适应能力。     

基于粒子滤波与负向选择算法的GIS设备故障检测

为了及早发现故障合理安排设备检修计划，提出一种基于粒子滤波与负向选择算法的GIS故障检测方法。首先，选取GIS设备金属外壳振动信号分形维数作为特征变量，有效削弱了设备负载变化对外壳振动的影响。同时，基于粒子滤波及支持向量回归算法处理设备正常状态下的振动信号分形维数特征样本，建立GIS设备振动特征估计器。将实时测量的振动特征输入特征估计器，计算估计器输入值与输出值之间的残差并作为检测指标。最后，利用负向选择算法处理正常状态下检测指标数据，间接获取GIS故障状态下检测指标区间，进而实现设备故障的检测。通过对现场实际测量数据的仿真分析，验证了所提方法的可行性。     

改进邻域保持嵌入—独立元分析的间歇过程故障检测算法

针对间歇过程数据的非线性和高斯与非高斯混合分布特性导致故障检测效果不佳的问题,提出了基于多向差分邻域保持嵌入—加权差分独立元分析(MDNPE-WDICA)的间歇过程故障检测算法.首先采用Jarque-Bera检验方法(J-B test)将原始数据空间划分为高斯和非高斯子空间;然后,在高斯子空间,将差分策略与NPE算法结合提出MDNPE算法,对高斯空间数据进行维数约简,在保持其局部结构不变的同时处理非线性,并克服传统非线性处理方法由于引入核函数带来的计算复杂的问题;在非高斯子空间,将加权差分策略与IC A算法结合提出WDICA算法,在充分提取数据非高斯信息的同时解决其非线性,并有效利用数据的局部信息;最后,通过贝叶斯推断构建一个新的监测统计量,实现整个间歇过程数据的故障检测.通过青霉素生产过程仿真结果验证了所提算法的可行性和有效性.     

基于最小熵反褶积的动车组牵引电动机轴承故障诊断方法北大核心

针对牵引电动机轴承故障信号冗余程度高,信号微弱且伴随有较强非高斯噪声,故障特征难以提取的问题,采用了一种最小熵反褶积算法对复杂信号进行处理,由于该算法中滤波步长对处理信号影响较大,采用包络谱熵作为适应度函数,使用量子行为粒子群优化算法对最小熵反褶积算法中的滤波步长进行优化,使最小熵反褶积算法达到最优。试验结果表明,优化后的最小熵反褶积算法能够准确提取牵引电动机轴承故障特征。     

双树复小波和中值滤波在机械故障监测中的应用北大核心

在双树复小波构造设计方法的基础上,将其与中值滤波有机结合,提出了一种DT-CWT中值滤波降噪法。通过仿真检测验证了其降噪效果,并将其应用于水轮机轴承振动信号故障监测,取得了预期效果。试验表明:相对常规小波降噪,该方法可以获得更高的信噪比,有效降低高斯白噪声,去除随机脉冲噪声,并完整再现冲击故障特征信息,通过与周期性冲击频率信息的对比实现机械故障监测诊断。     

基于高斯和与SCKF的非线性非高斯滤波算法

针对均方根容积卡尔曼滤波(SCKF)对非高斯情况滤波效果差的问题,在分析SCKF和高斯和滤波基础上,提出一种高斯和均方根容积卡尔曼滤波新算法。算法采用高斯和形式来逼近非高斯后验概率密度,将SCKF作为子滤波器,对每个高斯分量进行时间和量测更新,使其有效解决非线性非高斯滤波问题。仿真结果表明,高斯和均方根容积卡尔曼滤波估计精度高于粒子滤波和高斯和扩展卡尔曼滤波算法,与容积粒子滤波精度相当,但耗时约为容积粒子滤波的15%,是一种较好平衡跟踪精度和实时性的非线性非高斯滤波算法。     

双树复小波和中值滤波在机械故障监测中的应用

在双树复小波构造设计方法的基础上,将其与中值滤波有机结合,提出了一种DT-CWT中值滤波降噪法。通过仿真检测验证了其降噪效果,并将其应用于水轮机轴承振动信号故障监测,取得了预期效果。试验表明:相对常规小波降噪,该方法可以获得更高的信噪比,有效降低高斯白噪声,去除随机脉冲噪声,并完整再现冲击故障特征信息,通过与周期性冲击频率信息的对比实现机械故障监测诊断。     

基于IEKF-APF算法的汽车状态估计

行驶汽车状态变量质心侧偏角和横摆角速度是汽车稳定性控制系统中重要控制变量,准确获取行驶过程中的状态信息是汽车控制系统研究的关键问题。应用估计理论由传感器测出易测变量来估计难以测量的关键状态变量是一种常用的估计方法。提出一种新的粒子滤波算法通过所建立的包含定常平稳随机噪声和非线性轮胎的汽车动力学7自由度整车模型对汽车状态进行估计。针对粒子滤波过程中出现的退化问题,应用迭代扩展卡尔曼滤波融入最新观测信息产生更加接近真实状态的重要性密度函数,辅助粒子滤波算法通过所产生的重要性密度函数结合观测量进行重采样,结合这两种算法提出迭代扩展卡尔曼-辅助粒子滤波算法(Iterative extended Kalman filtering-auxiliary particle filtering algorithm, IEKF-APF)以改善粒子采样和估计精度的提高。为验证所提出的IEKF-APF算法估计性能,将其结果与实车试验结果和无迹卡尔曼滤波算法(Unscented Kalman filtering, UKF)估计结果进行比较,结果表明其估计性能优于UKF,更接近于试验结果。     

Effect of different construction materials on propagation of GPS monitoring signals

The GPS carrier phase observations are widely used for the high precision static and kinematic positioning applications. However, GPS signals are seriously distorted when passing through walls and other obstructions. This paper focuses on this issue and outlines the research carried out to investigate the effects of some commonly used construction materials on the GPS signals. For the purpose of generating the multipath in a controlled manner, an experimental set-up is designed to test the effect of typical building surface materials (toughened glass, wood board, PVC board and ceramic tile) on positioning accuracy. The effects of signal attenuation on the accuracy of the positioning solution are explored by an improved particle filtering algorithm and some statistical methods, and reasons for these effects are further analyzed. The findings of the experimental results may be used to enhance the performance of GPS technology.     

Attitude determination GPS/INS integrated navigation system with FDI algorithm for a UAV

Recently an unmanned aerial vehicle (UAV) has been widely used for military and civil applications. The role of a navigation system in the UAV is to provide navigation data to the flight control computer (FCC) for guidance and control. Since performance of the FCC is highly reliant on the navigation data, a fault in the navigation system may lead to a disastrous failure of the whole UAV. Therefore, the navigation system should possess a fault detection and isolation (FDI) algorithm. This paper proposes an attitude determination GPS/INS integrated navigation system with an FDI algorithm for a UAV. Hardware for the proposed navigation system has been developed. The developed hardware comprises a commercial inertial measurement unit (IMU) and the integrated navigation package (INP) which includes an attitude determination GPS (ADGPS) receiver and a navigation computer unit (NCU). The navigation algorithm was implemented in a real-time operating system with a multi-tasking structure. To evaluate performance of the proposed navigation system, a flight test has been performed using a small aircraft. The test results show that the proposed navigation system can give accurate navigation results even in a high dynamic environment.     

基于PDR和RSSI的室内定位算法研究

构建了基于无线传感网络的行人航迹推算(PDR)系统,通过RSSI定位为其提供绝对定位信息。在RSSI定位中,提出基于PDR方位信息的自适应Flip-Flop RSSI信息预处理机制和RSSI指纹信息融合动态路径衰减指数的定位算法,以改善RSSI定位算法的抗噪声干扰能力。在多信息融合粒子滤波环节中,针对传统算法中滤波精度与滤波实时性很难同时得到改善的问题,提出基于PDR信息与RSSI定位信息的动态区间粒子滤波算法,通过PDR方位信息自适应控制区间衍生粒子数量以提高滤波实时性,并将建筑地图信息、RSSI定位信息及其可信度因子融入粒子权值计算中以提高定位精度。经实验验证,提出的算法在RSSI定位抗噪声能力方面,以及融合定位精度和滤波实时性方面都取得了良好的效果,与传统算法相比最大定位误差由3.16 m降低到1.81 m,滤波时间也由7.21 s降至7.01 s。     

基于代价参考的粒子滤波算法研究

针对非线性模型滤波问题,分别研究了代价参考粒子滤波器和标准粒子滤波器.分析了两者在算法结构和算法思路中的相同点和不同点,并利用Matlab工具分析和比较了在同一单变量非静态增长模型下两者的滤波效果.研究结果表明基于数理统计的滤波方法在解决非线性问题中优于基于概率统计的滤波方法.     

基于卡方检验的GNSS观测值部分粗差抗差滤波算法

在进行抗差卡尔曼(Kalman)滤波过程中,为避免由于全球导航卫星系统(GNSS)观测值之间的相关性而导致粗差转移的问题,提出了一种基于卡方检验的GNSS观测值部分粗差抗差算法。首先,基于观测模型异常检验量,分析了观测值之间的相关性,并针对由于观测值之间的相关性所导致的粗差误判问题,提出了部分粗差抗差算法;根据假设检验理论,构造了滤波模型整体检验量,基于卡方检验判断整体模型是否存在异常,并给出了基于卡方检验的GNSS观测值部分粗差抗差算法整体流程框架;最后设计了两组实验,采用3种方法进行对比分析,以验证所提算法的性能。实验结果表明,所提算法极大地消弱了观测值之间相关性的影响,能准确的识别粗差位置,明显降低了粗差探测的误警率,保证了定位的鲁棒性。     

分层近似粒子滤波及其在陀螺寻北中的应用

针对粒子滤波的粒子退化和匮乏等问题,在粒子滤波和网格近似的基础上,提出了一种采用分层近似策略的粒子滤波改进算法.改进算法利用高斯分布对后验概率密度进行近似,并在连续分布的后验概率密度上进行分层近似,从而获得更具效率的粒子,提高了粒子滤波的精度.光纤陀螺的寻北精度主要取决于光纤陀螺自身的性能以及所采用的寻北方案,将采用分层近似策略的改进粒子滤波算法应用于光纤陀螺的寻北方案中,能够有效地解决光纤陀螺寻北中的非线性状态估计问题,提高光纤陀螺的寻北精度.     

基于粒子滤波的电力机械设备状态在线监测

为提升电力机械设备状态在线监测的效果，提出基于粒子滤波的电力机械设备状态在线监测方法。通过人工萤火虫群算法改进粒子滤波算法后，借助随机子空间算法构建改进粒子滤波算法所需状态方程。利用该状态方程获取电力机械设备正状态观测矩阵和输出矩阵数值，并将其看作模态参数，依据该模态参数计算粒子滤波状态序列和电力机械设备振动状态变量数值后，构建粒子滤波器，使用该滤波器去除电力机械设备振动信号内干扰噪声后，对电力机械设备振动信号实施归一化处理，得到粒子权重概率和改进粒子滤波监测数值。通过设置振动信号监测步长和阈值，计算监测信号与采集信号差值，使其与所设阈值进行对比，获取电力机械设备状态在线监测结果。实验结果表明，该方法监测的电力机械设备信号最大偏差数值仅为0.003 dB,具备较好的信号跟踪能力，且具备较好电力机械设备振动监测能力。     

基于粒子滤波的壁面爬行机器人位姿跟踪研究

为提高壁面爬行机器人的智能化水平,提出一种利用粒子滤波算法进行机器人位姿跟踪的方法。所述方法在机器人身上安装了发声器,将机器人位姿跟踪问题转换为声源跟踪问题处理。设计了一个声阵列传感器,采用可控波束形成定位技术观测机器人位姿,利用里程计描述机器人的位姿变换动态模型,并最终建立了基于贝叶斯估计的粒子滤波位姿跟踪算法。搭建了实验平台进行现场实验,结果表明该方法可行并有实际应用价值。     

移动机器人自适应抗差无迹粒子滤波定位算法

针对机器人定位过程中传感器感知信息存在野值,加剧粒子退化,导致机器人状态参数滤波值失真,甚至出现定位失败的问题,提出一种机器人自适应抗差无迹粒子滤波定位算法。在重要性采样阶段利用无迹卡尔曼滤波产生优选的建议分布函数,降低系统估计误差,同时有效提升系统的抗噪声能力。同时利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入的自适应因子调节增益矩阵,减弱野值对滤波的影响。实验结果表明,当观测数据中存在野值时,该算法能够有效地控制观测异常误差的影响,定位精度得到了很大提高,并在不同系统噪声和观测噪声方差下,具有较强的鲁棒性和实时性。