基于H∞的捷联系统初始对准及参数γ选取方法研究

针对KALMAN滤波在系统模型不确定或噪声统计特性不准确的情况下滤波精度不高甚至发散的问题,引入了H∞滤波技术,介绍了H∞滤波基本理论和递推公式,与KALMAN滤波在本质上做了比较。建立了12维状态量的初始对准模型,在此基础上做了KALMAN滤波和H∞滤波在白噪声条件和有色噪声条件下的对比仿真,为了说明H∞滤波中参数γ的选取对对准速度和精度的影响,还分别选取3个有代表性的参数γ做了对比仿真,仿真结果表明：在白噪声条件下,两种滤波的精度相当,KALMAN滤波相对于H∞滤波要稍好些;在有色噪声条件下,KALMAN滤波显得有些发散,而H∞滤波明显对有色噪声的抗干扰性强于KALMAN滤波。同时通过对参数γ的适当选取,对系统的平均性能（精度）和鲁棒性能进行一定的平衡。     

二维离散系统的H_∞滤波仿真研究

基于Roesser模型对二维离散系统的H∞滤波问题进行研究,讨论了二维H∞滤波器的设计方法。针对任意能量范围内的噪声输入,二维H∞滤波器能保证噪声衰减的水平。应用LMI(线性矩阵不等式)方法和黎卡提不等式方法处理二维H∞滤波问题。设计基于观测器的H∞滤波器,最后通过图像处理的相关实例进行结果仿真验证。仿真结果表明,滤波误差系统的频率响应低于指定的H∞噪音衰减水平,滤波效果明显。     

GPS/INS组合系统的多重渐消鲁棒容积卡尔曼滤波

在对适用于GPS/INS组合导航非线性模型的容积卡尔曼滤波进行深入研究的基础上,提出了一种改进的多重渐消H∞鲁棒容积卡尔曼滤波算法.基于系统状态的可观测性给出多重渐消因子矩阵求解过程,提高滤波算法的稳定性,抑制滤波发散;引入H∞鲁棒思想,构造多重渐消H∞鲁棒容积卡尔曼滤波器;提出采用一种奇异值分解的矩阵分解策略代替标准容积卡尔曼滤波中的Cholesky分解,进一步提高算法的数值稳定性.结果表明:改进的多重渐消H∞鲁棒容积卡尔曼滤波算法不仅能有效抑制滤波发散,提高算法的稳定性,还对观测异常值具有更高的鲁棒性;提出的新算法与标准容积卡尔曼滤波算法相比,X,Y,Z3个方向的位置精度分别提高了55.8%,46.6%和39.7%.     

考虑噪声扰动干扰的室内行人跟踪方法

室内环境下行人跟踪常面临光照突变、遮挡及相似颜色特征干扰等问题,为增强这种突变情况下的跟踪稳定性和精确性,提出了一种考虑噪声扰动问题的均方根无迹H∞滤波跟踪方法。首先,在扩展H∞滤波框架内采用无迹变换取代复杂的雅克比矩阵计算,通过高斯密度近似滤波分布,减小观测方程线性近似误差的同时,降低系统模型噪声对估计值的干扰;接着,对目标状态协方差矩阵的均方根进行柯西分解,通过简化矩阵对角运算的方法,降低滤波器的计算消耗,并消弱系统观测噪声对观测值的扰动影响。视频跟踪实验表明：同传统的UKF、EKF和PF非线性方法相比,本文方法有效提升了突变情况下的行人跟踪精度,并降低了时间消耗。     

有色噪声条件下的卡尔曼滤波

针对在实际工程中处理有色噪声存在滤波发散或结果失真的问题,提出一种有色噪声条件下的卡尔曼滤波方法。该方法利用线性变化,根据有色噪声相邻历元间噪声相关的特点,在动态噪声和观测噪声均为有色噪声的条件下,研究了卡尔曼滤波的方法,推导出有色噪声条件下卡尔曼滤波的递推公式。仿真结果表明,改进的方法比传统卡尔曼滤波对有色噪声信号处理效果更佳。     

改进算法在混合噪声STM图像滤波中的应用

基于小波变换的高斯混合模型小波去噪方法能有效滤除高斯白噪声,中值滤波法能较好滤除脉冲噪声并保留图像边缘及细节信息。将两种方法结合起来,并采用Matlab语言进行仿真,然后对含有高斯脉冲混合噪声的STM(扫描隧道显微镜)图像进行去噪处理。实验结果表明,这种混合去噪方法能有效去除STM图像中的高斯白噪声和脉冲噪声并保留图像的边缘及细节信息,能得到更好的STM图像,其效果要优于单纯使用中值滤波或者小波去噪的效果.     

IMU/GPS组合导航交互式多模型鲁棒滤波研究

在深入研究适用于低成本IMU/GPS组合导航系统非线性滤波的基础上,提出了一种基于交互式多模型自适应鲁棒容积卡尔曼滤波算法.该算法将交互式多模型算法引入H∞滤波容积卡尔曼滤波器,能够有效提升滤波算法的稳定性和质量.根据采集的低成本惯导GPS导航实验数据设计了两组滤波方案,性能分析结果表明,改进的交互式多模型鲁棒容积卡尔曼滤波算法位置估计精度提高了41.4%,速度估计精度提高了36.0%.同时设计的滤波试验结果表明该算法能有效抑制系统噪声取值不准确引起的滤波不稳定,尤其适用于噪声取值偏离最优值较多的情况,也即能够有效抑制野值对滤波结果的影响.     

基于Daubechies小波和中值滤波的图像去噪法

中值滤波是一种常用的滤波方法,它可以较好地滤除脉冲噪声,但滤除高斯噪声效果不理想。小波变换可以较好地滤除高斯噪声。将Daubechies小波变换与中值滤波相结合,同时滤除图像中的高斯噪声和脉冲噪声,实例测试验证了这种方法的有效性。     

两种外辐射源雷达跟踪算法性能分析

针对以调频广播电台为辐射源的无源雷达跟踪精度较低的问题,将到达时间定位方法分别与扩展卡尔曼滤波和粒子滤波算法结合来提高跟踪精度．分析了高斯噪声环境、闪烁噪声环境及雷达布站方式对两种算法跟踪精度的影响,并比较了两种算法的运算时间．仿真和实测数据表明：粒子滤波算法更适合于闪烁噪声环境下的跟踪,而扩展卡尔曼滤波能满足实时处理的要求．另外,合理的雷达布站方式可进一步提高无源跟踪精度．     

非线性滤波算法的性能分析

对目前非线性滤波的主要算法即扩展卡尔曼滤波、不敏卡尔曼滤波、粒子滤波、扩展卡尔曼粒子滤波和不敏粒子滤波的滤波模型、适用条件、性能进行了分析比较,给出了每种方法的计算复杂度.通过一个非线性非高斯模型进行了仿真,验证了这些算法的性能.     

BF粒子滤波算法在快速目标跟踪中应用的研究

为了对快速目标进行跟踪,在高斯加性白噪声的条件下(AGWN),文章把BF粒子滤波算法和迭代的Kalman滤波器方法结合起来对快速目标状态进行处理,状态估计用BF粒子滤波算法,能减小方差和运算量,同时用Kalman滤波器能提高跟踪精度和对目标状态的估计。仿真结果表明,文中所设计的快速和精确的BF算法能真正地解决快速目标跟踪问题。     

一种新型滤波器在电力系统中的应用

分析了卡尔曼滤波优于其他自适应滤波的特点,并针对该种新型滤波器目前在电力系统中的实际应用,以在短路事故发生后的极短时间内发现并切断电路为例,利用系统的数学模型和噪声的统计特征,给出了卡尔曼滤波方便实用的递推算法.     

卡尔曼滤波在半自磨机中的应用

本文论述了用卡尔曼滤波方法对半自磨机中不可量测的参数的估计。文中给出了描述半自磨机工作过程的数学模型和卡尔曼滤波递推算法,并对渐近预报估计器进行了仿真,编写了BASIC滤波程序,结果表明该程序是正确的和可应用的。     

Slowing down critical transitions via Gaussian white noise and periodic force

Stochastic perturbations and periodic excitations are generally regarded as sources to induce critical transitions in complex systems. However, we find that they are also able to slow down an imminent critical transition. To illustrate this phenomenon, a periodically driven bistable eutrophication model with Gaussian white noise is introduced as a prototype class of real systems.The residence probability(RP) is presented to measure the possibility that the given system stays in the oligotrophic state versus Gaussian white noise and periodic force. Variations in the mean first passage time(MFPT) and the mean velocity(MV) of the first right-crossing process are also calculated respectively. We show that the frequency of the periodic force can increase the MFPT while reduce the MV under different control parameters. Nevertheless, the noise intensity or the amplitude may result in an increase of the RP only in the case of control parameters approaching the critical values. Furthermore, for an impending critical transition, an increase of the RP appears with the interaction between the amplitude and noise intensity or the combination of the noise intensity and frequency, while the interaction of the frequency and amplitude leads to an extension of the MFPT or a decrease of the MV. As a result, an increase of the RP and MFPT, and a decrease of the MVobtained from our results claim that it is possible to slow down an imminent critical transition via Gaussian white noise and periodic force.     

低轨卫星紧组合导航UKF方法

针对紧组合导航系统状态方程及量测方程的非线性,以低轨卫星为应用对象开展了无迹卡尔曼滤波UKF方法研究．给出了惯性系下的系统模型及算法模型,其中姿态直接采用修正Rodrigues参数来表述以避免四元数归一化条件的限制,系统状态更新采用四阶Runge-Kutta法以适应卫星的高速运动;之后通过数学仿真与广义卡尔曼滤波EKF进行了比较分析．结果表明:UKF滤波对于姿态精度明显优于EKF,提高了一个数量级,对于速度、位置精度两者滤波效果相当,但对于运算时间UKF耗时较长．因此实际应用中可根据导航精度与运算时间需求决定是否采用UKF方法．     

基于模糊神经系统的多传感器数据融合算法

将自适应模糊神经推理系统(ANFIS)和卡尔曼滤波器应用于目标跟踪系统中,构成多传感器数据融合算法。该算 法假设在目标运动过程中,过程噪声和测量噪声是相互独立的高斯白噪声序列。使用ANFIS分别对目标的加速度和测量噪声 的方差进行估计,通过卡尔曼滤波器获得目标后验状态,最终由神经网络对多传感数据进行融合得到系统输出。仿真结果表 明,该算法可以通过自适应调整跟踪参数有效地防止目标丢失。     

一种适合于边缘保存的混合噪声抑制方法

为了解决边缘检测和混合噪声抑制之间的矛盾,基于小波变换、图像边缘检测的高频能量保存(HFPP)方法和抑制加性高斯白噪声的互能量交叉(MPC)方法,提出了一种结合中值滤波和互能量交叉(M&MPC)方法.该方法主要基于中值滤波适合于冲激性噪声抑制,而小波滤波适合于加性高斯白噪声抑制的特点.模拟实验结果表明,HFPP方法可以很好地检测图像主要边缘,而利用M&MPC方法可以改进混合噪声的抑制能力,该方法可以在边缘检测精确度和混合噪声抑制之间达到最佳折衷.     

FIR数字滤波器的仿真与实现

数字滤波器是数字信号处理中最重要的组成部分之一,在许多科学技术领域中,广泛使用滤波器对信号进行处理。本文介绍了FIR数字滤波器的设计方法,并利用Matlab实现了对FIR数字滤波器的仿真。仿真结果验证了该方法的正确性和可行性,达到了预期的效果。     

协方差交叉在分布式传感器网络定位中的应用

节点定位的精确性在分布式传感器网络的许多应用中都起着至关重要的作用。目前较受关注的定位方法主要包括TDOA和RSS。这两种方法是非独立的,而且定位精度易受噪声影响。如果采用传统的卡尔曼滤波方式对数据加以融合,可以降低估计误差。但因假定数据间的协方差为零,使结果并非保守可靠。本文将协方差交叉算法应用于此类数据融合问题,分别在泊松分布和均匀分布情况下,对分布式传感器网络的节点定位过程加以仿真。结果显示,协方差交叉算法更加可靠,并且提高了定位精度,非常适用于分布式传感器网络。     

一种高斯型非线性迭代更新滤波器

针对高斯型非线性滤波器在大初始偏差条件下性能下降、甚至发散的问题,提出了一种新的非线性滤波算法,即迭代更新扩展卡尔曼滤波器（iterated update extended Kalman filter,IU-EKF）。首先,该算法在EKF框架下,将传统的一步量测更新在伪时间上分为多步进行,采用部分增益将当前量测信息逐步地引入量测更新过程实现对状态的后验估计;其次,由于多步量测更新过程引入了每一步的过程噪声,因此将量测噪声与每一步更新后的状态估计误差之间的互协方差代入误差协方差矩阵,再利用此误差协方差矩阵的迹对标准卡尔曼增益矩阵求导并令结果为零,以导出噪声相关条件下的最优卡尔曼增益矩阵表达式;最后,根据后验量测残差自适应地调整迭代更新次数,在保证一定滤波精度的前提下,降低了算法的计算量。以2维目标跟踪问题为例,在大初始偏差条件下,通过仿真实验将本文算法分别与EKF、IEKF、UKF、CKF算法进行对比,并针对不同迭代次数对滤波精度的影响进行对比分析。仿真结果表明：本文算法较EKF大幅提高了滤波估计精度,且在大初始偏差条件下,本文算法性能优于现有经典高斯假设滤波器。同时,当迭代次数按1、2、5、10、20递增时,本文算法的滤波精度也随之提升,但提升幅度逐渐减缓。