基于后向平滑容积卡尔曼滤波的单站无源定位算法

单站无源定位跟踪是一个典型的非线性滤波问题,由于测量精度不高、初始误差较大等原因容易导致滤波算法定位精度低、收敛速度慢。本文将一种新型的滤波算法——容积卡尔曼滤波（cubature Kalman filter,CKF）应用于单站无源定位领域,并将后向平滑滤波思想与CKF算法相结合,提出了一种后向平滑容积卡尔曼滤波算法（backward-smoothing CKF,BSCKF）。该算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,并采用后向平滑值进行递归滤波,具有更优非线性估计性能。仿真实验表明,与EKF、UKF和CKF算法相比,BSCKF算法定位精度更高、收敛速度更快。      

一种改进EKF的双模导航系统的定位算法

针对提高GPS/BDS双模导航系统的伪距单点定位精度问题,研究了GPS/BDS双模导航系统定位的解算方法,并对组合系统构建数学模型,引入扩展卡尔曼滤波(EKF)器进行定位解算,初始化权矩阵时通过牛顿迭代法改进矩阵求逆运算,并通过使用分段函数改进EKF中的权矩阵P,提出一种基于EKF的GPS/BDS导航定位解算方法。理论分析和实验结果表明,通过对比单GPS系统和最小二乘解算方法,利用双模系统并通过EKF能将定位精度在水平方向提高10%,高程方向提高43%,并极大地减小了运算量,提高系统的可靠性和完好性。     

自适应卡尔曼滤波在磁干扰姿态测量中的应用

针对姿态测量系统陀螺仪漂移、周围局部磁场干扰制约姿态测量精度的问题,提出一种基于四元数的自适应卡尔曼滤波(q-AKF)的方法。该方法利用陀螺输出建立姿态解算误差角的状态方程,以磁强计输出构造自适应测量噪声协方差矩阵。仿真结果表明,相比无损卡尔曼滤波(UKF)算法和扩展卡尔曼滤波(EKF)算法,采用q-AKF算法补偿得到的姿态角误差不大于0.5°。q-AKF算法对磁强计进行补偿,能够有效抑制陀螺的漂移误差,提高磁干扰环境下姿态解算精度,具有较高的工程应用价值。     

基于MARG传感器的头部姿态解算方法研究

针对头盔显示器(HMD)的头部姿态检测系统中单一传感器进行头部姿态解算准确度低、精度粗略的问题,提出了一种基于MARG传感器的头部姿态解算方法。将互补滤波与PI算法相结合估算陀螺仪的漂移误差,再通过扩展卡尔曼滤波(EKF)实现姿态数据融合。设计了由CC1310、陀螺仪、加速度计和磁强计组成的头部姿态检测单元进行测试实验。与单独的EKF对比,结果表明,这种算法对陀螺仪自身的漂移和加速度计噪声有抑制作用,提高了头部姿态解算的精度和稳定性。     

基于扩展卡尔曼滤波的非视距误差消除算法

在蜂窝网无线定位中,到达时间(TOA)或到达时间差(TDOA)中的非视距(NLOS)误差会导致移动台的位置估计出现较大偏差.为了减轻NLOS误差的影响,提出了一种基于扩展卡尔曼滤波(EKF)的非视距误差消除算法.算法通过引入一个NLOS转换因子改进EKF的迭代过程,消除NLOS误差对定位估计的影响.计算机仿真结果表明,在NLOS环境下定位精度的提高是显著的.     

基于强跟踪容积卡尔曼滤波的单站无源跟踪算法北大核心CSCD

系统模型和滤波算法是机动目标单站无源定位跟踪要解决的核心问题。文中采用截断正态概率模型和一种新型的滤波算法--容积卡尔曼滤波,对机动目标进行单站无源定位跟踪。针对目标突发机动的情况,借鉴强跟踪滤波器的思想,在滤波过程中引入时变渐消因子,提出了一种强跟踪容积卡尔曼滤波算法(Strong Tracking Cubature Kalman Filter,STCKF)。该算法利用容积数值积分原则直接计算非线性随机函数的均值和方差,实现简单,估计精度高,并通过渐消因子自适应在线调节增益矩阵,增强了系统对突发机动的跟踪能力。结合空频域单站无源定位模型进行仿真实验表明,STCKF算法在对一般机动目标进行跟踪时,性能与CKF算法相当,并优于传统的EKF算法。当目标突变大机动时,STCKF算法的滤波性能要高于EKF以及CKF算法。     

五阶容积卡尔曼滤波算法及其应用

容积卡尔曼滤波(CKF)是一种新型的非线性滤波方法,可获得优于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的滤波精度和滤波效率.但是,传统的CKF基于三阶容积准则而提出,因此滤波精度受到限制,为进一步提高CKF滤波性能,文中将容积准则由三阶扩展到五阶,采用两种不同容积点集选择方案,提出一种新型的五阶CKF算法.该算法可有效改善传统CKF在精度方面的理论局限,并有效改善一般五阶CKF计算量大的问题.机动目标跟踪仿真结果表明了新方法的有效性和可行性.     

EKF在GPS导航定位中的应用研究

论文中针对GPS星座轨道参数及系统特性,建立基于伪距测量误差模型的导航定位状态方程,利用扩展卡尔曼滤波算法（EKF）,对GPS定位解算精度进行仿真实验分析。仿真结果表明,EKF明显优于最小二乘算法,具有较高的滤波精度,可以更好地满足GPS用户定位精度要求。     

相干光OFDM系统中一种新颖时域容积卡尔曼相位噪声补偿算法

针对激光器产生的相位噪声会严重影响相干光正交频分复用(CO-OFDM)系统的性能问题,提出了一种新颖容积卡尔曼滤波(CKF)相位噪声补偿算法。该算法利用导频信息,先通过扩展卡尔曼滤波(EKF)和线性插值算法补偿公共相位误差(CPE)噪声,然后对相位噪声粗补偿后的信号进行预判决,在时域对预判决后的信号进行次符号处理的CKF实现对载波间干扰(ICI)相位噪声的精细补偿。对补偿后的信号进行二次迭代,从而提高补偿效果。分析和仿真表明:提出的新颖CKF算法能有效补偿相位噪声对信号的影响,在相位噪声线宽较大时能有效增强对ICI相位噪声的补偿效果,改善CO-OFDM系统对激光器线宽的容忍度,有效提高系统的性能。     

两站基于角度和时差信息的伪线性卡尔曼滤波算法及其改进

建立了两站基于角度(DOA)和时差(TDOA)信息的伪线性观测模型,基于该模型提出了匀速运动目标的伪线性卡尔曼滤波(PLKF)算法。仿真结果表明该算法的稳健性要高于扩展卡尔曼滤波(EKF)算法,当观测误差较小时,PLKF算法的定位精度要高于EKF算法;当观测误差较大时,其定位精度低于EKF算法。对此文中结合两种算法的优点,提出了改进算法,以同时提高算法的定位精度和稳健性。     

平方根容积卡尔曼滤波在角测量跟踪中的应用

为解决扩展卡尔曼滤波算法(EKF)在处理角测量跟踪问题时对复杂非线性状态估计收敛速度慢、估计精度低的问题,引入一种平方根容积卡尔曼滤波算法(SRCKF)。SRCKF是一类sigma点滤波方法,基于容积原则的数值积分方法计算非线性随机函数的均值与协方差,避免了EKF中Jacobian矩阵的计算,有效提高了计算效率。另外,与一般容积卡尔曼滤波算法相比,SRCKF确保了状态协方差矩阵的对称性与半正定性,有效改进了数值精度和鲁棒性。将SRCKF应用于角测量跟踪系统中,仿真结果表明,SRCKF、Unscented卡尔曼滤波(UKF)滤波精度较传统EKF有较大提高,同时,与UKF相比,SRCKF能以较快的运行效率获得较好的滤波效果。     

基于UT的混合粒子滤波单站无源定位算法

为利用无源固定单站对运动辐射源快速定位,将粒子滤波和UT(unscented transformation)应用于单站无源定位,给出了一种基于UT的角度约束采样混合粒子滤波无源定位算法,该算法从UKF滤波得到建议分布,从该建议分布采样时引入角度测量对状态变量的约束,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能.与EKF、UKF(unscented kalman filter)以及基于EKF的混合粒子滤波算法的仿真比较表明,本文算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差可以接近Cramer-Rao下界.     

基于角度约束采样的单站无源定位混合粒子滤波算法

为实现固定单站对运动辐射源的快速定位,该文给出了一种基于角度约束采样的混合粒子滤波算法。该算法从EKF(Extended Kalman Filter)滤波得到建议分布,利用角度测量对状态变量的约束关系从建议分布产生所需粒子,可以减少粒子滤波用于高维情况时所需的粒子数目,改善滤波性能,降低运算成本。结合利用多普勒变化率和角度测量的单站定位方法,与EKF,UKF(Unscented Kalman Filter)以及一般混合粒子滤波算法的仿真比较表明,该算法在滤波收敛速度、跟踪精度以及稳定性方面优于其它算法,估计误差更接近Cramer-Rao下界。     

Location prediction algorithm for a nonlinear vehicular movement in VANET using extended Kalman filter

Vehicular ad-hoc network (VANET) is an essential component of the intelligent transportation system, that facilitates the road transportation by giving a prior alert on traffic condition, collision detection warning, automatic parking and cruise control using vehicle to vehicle (V2V) and vehicle to roadside unit (V2R) communication. The accuracy of location prediction of the vehicle is a prime concern in VANET which enhances the application performance such as automatic parking, cooperative driving, routing etc. to give some examples. Generally, in a developed country, vehicle speed varies between 0 and 60 km/h in a city due to traffic rules, driving skills and traffic density. Likewise, the movement of the vehicle with steady speed is highly impractical. Subsequently, the relationship between time and speed to reach the destination is nonlinear. With reference to the previous work on location prediction in VANET, nonlinear movement of the vehicle was not considered. Thus, a location prediction algorithm should be designed by considering nonlinear movement. This paper proposes a location prediction algorithm for a nonlinear vehicular movement using extended Kalman filter (EKF). EKF is more appropriate contrasted with the Kalman filter (KF), as it is designed to work with the nonlinear system. The proposed prediction algorithm performance is measured with the real and model based mobility traces for the city and highway scenarios. Also, EKF based prediction performance is compared with KF based prediction on average Euclidean distance error (AEDE), distance error (DE), root mean square error (RMSE) and velocity error (VE).     

基于非视距误差直接估计的定位跟踪算法

在蜂窝无线定位中,由于非视距（non-line-of-sight, NLOS）误差是影响定位精度的主要因素之一,所以如何减轻NLOS误差影响成为当前无线定位研究的热点。本文针对NLOS环境下的定位跟踪问题,提出一种基于扩展卡尔曼滤波（extended Kalman filter ,EKF)的定位跟踪算法。该算法首先在最小二乘准测下推导出估计测量值中NLOS误差的直接计算公式,然后使用约束加权最小二乘（constrained weighted least squares, CWLS）方法计算出每一个测量值中所含的NLOS误差,最后利用NLOS误差估计值去修正EKF滤波,以便适应NLOS环境下的定位跟踪,并获取高的定位精度。这种方式不依赖于特定的NLOS误差分布,也无需视距（line-of-sight, LOS）和非视距识别。数值结果表明该算法相比较于经典EKF算法和基于NLOS迭代的EKF算法可以快速有效地抑制定位误差,并且可以在极为恶劣的NLOS环境下满足FCC的定位要求。另外,复杂性实验表明该算法可适用于实时跟踪。      

面向毫米波波束跟踪的扩展卡尔曼滤波算法研究

针对移动毫米波通信场景中收发波束存在角度偏差时接收信号质量急剧下降的问题,提出一种联合 迭代优化均方误差和扩展卡尔曼滤波(Extended Kalman Filtering,EKF)的稳健波束跟踪算法。该算法首先采用EKF算法对信道增益和波束角度进行跟踪,然后基于最小均方误差准则(Minimum Mean Square Error,MMSE)对误差进行 平滑处理,以消除EKF 线性近似引入的误差,实现对波束发射角和到达角的动态跟踪。仿真结果表明所提出的算法能够明显降低移动环境中的波束跟踪误差,并具有稳健的波束跟踪能力。     

大失准角下SINS的KF/EKF2混合滤波对准

针对捷联惯导系统(SINS)大失准角下滤波对准过程中非线性滤波器状态维数过大的问题,提出了一种基于模型分解的卡尔曼滤波/二阶扩展卡尔曼滤波(KF/EKF2)混合滤波方法,将基于欧拉平台误差角的非线性滤波模型分解为线性部分和非线性部分,分别采用线性KF滤波和非线性EKF2滤波处理,并且设计了混合滤波的滤波步骤。实验结果表明,KF/EKF2混合滤波算法在计算量、实时性及精度等方面优于最常用的无迹卡尔曼滤波(UKF)和EKF2滤波。