非线性滤波方法及其在故障诊断中的应用

传统的滤波方法一般基于线性化和高斯假设,在一定程度上影响了滤波精度和非线性系统故障诊断的准确率。该文从"近似非线性"和"近似概率"的方法入手,分析3种常用的非线性滤波算法:扩展卡尔曼滤波器(EKF)、U-卡尔曼滤波器(UKF)以及粒子滤波器(PF)的原理、方法及特点并介绍其在非线性故障诊断中的应用价值。     

粒子滤波在光纤陀螺四位置寻北中的应用研究

为了减小噪声对光纤陀螺(FOG)寻北的影响,提高寻北精度,提出了将粒子滤波这种非线性滤波方法应用于光纤陀螺四位置寻北的方案。根据四位置寻北模型建立光纤陀螺寻北系统的非线性状态空间模型,将基于系统重采样和在重采样后引入马尔可夫链蒙特卡罗(Markov chain monte carlo,MCMC)移动的粒子滤波器分别应用于光纤陀螺寻北系统的非线性滤波。使用一个零偏稳定性为0.05°/h的闭环光纤陀螺进行实验,实验结果表明,这2种粒子滤波器均能够有效地提高光纤陀螺的寻北精度。基于系统重采样的粒子滤波器有随时间发散的趋势,这是由于在选定粒子数目较少的情况下,重采样导致粒子多样性丧失的结果;而在重采样后引入MCMC移动的粒子滤波器有很好的收敛性能。重复实验结果表明,使用基于MCMC移动的粒子滤波器可以达到更好的寻北性能。     

机器人姿态解算算法研究

在机器人惯性导航研究中,针对传统滤波方法在非线性系统模型下误差大的问题,提出了一种基于改进粒子滤波的机器人姿态解算方法。粒子滤波精度较高且不受系统模型非线性程度的影响,与扩展卡尔曼滤波算法相比在非线性系统应用中有巨大的优势。使用扩展卡尔曼滤波对系统状态进行预测,使粒子分布向高似然区移动。对粒子滤波算法的重采样过程进行了改进,提升了算法的效率。不同的地面环境下系统噪声有较大变化,将地面环境信息作为观测信息融合到系统中,对算法参数进行实时修正能够获得更高的精度。实验结果表明,应用此算法进行姿态解算精度较高,且性能优异。     

粒子滤波在被动定位跟踪中的运用

被动定位系统是一个仅有角测量的系统,对于目标距离是不可观测的.通过对角度的测量来估计目标的运动状态.首先给出定位系统的系统和测试模型.此类跟踪问题本质上是一个非线性滤波估计问题,其目的就是从被污染的测试数据中提取好的信息.描述了基于贝叶斯理论的目标跟踪粒子滤波算法,该算法可应用于非线性、非高斯系统中.并给出了一种改进的方法来遏制粒子退化和贫乏问题,最后对算法进行了检验.     

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。     

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。     

基于非线性预测滤波算法的疲劳裂纹扩展预测

针对传统Paris疲劳裂纹扩展模型预测精度低、无法考虑裂纹扩展过程中各种不确定因素影响的问题,提出一种基于非线性预测滤波算法的疲劳裂纹扩展预测方法。使用基于Paris公式的状态空间方程表征裂纹扩展过程,采用基于Lamb波的监测技术构建观测空间方程,利用实时观测信息修正模型预测值。最后通过Q235钢试件的单边疲劳裂纹扩展实验验证了该预测方法的有效性。实验结果表明,非线性预测滤波算法在疲劳裂纹扩展预测中可以有效地修正Paris公式的预测误差,其预测精度高于扩展卡尔曼滤波和粒子滤波算法的预测精度,同时算法效率较粒子滤波算法有明显提高。     

基于模型辨识的SMC滤波技术应用研究

针对组合秤大小料斗开关门扰动与物理参数不准确的实际问题,提出了基于高斯和粒子滤波器的序贯蒙特卡罗(SMC)动态称重数据处理新方法.通过对称重信号的频谱分析,指出了物理建模方法的不足之处,采用负阶跃动态校准实验数据辨识得到对象模型,并利用伽马分布的非对称拖尾特性对大小料斗开关门扰动等低频噪声进行建模得到噪声模型;在此模型的基础上,针对系统非高斯噪声特性,选择了基于高斯和粒子滤波器的SMC方法对信号进行滤波处理.实验及仿真结果表明,高斯和粒子滤波可以有效地滤除开关门扰动,有效地提高动态称重的速度与精度,优于传统的卡尔曼滤波和粒子滤波.     

基于粒子滤波跟踪方法研究

文章针对道路上的车辆跟踪问题,提出了粒子滤波跟踪算法。粒子滤波通过非参数化的蒙特卡罗模拟方法来实现递推贝叶斯滤波,适用于任何能用状态空间模型表示的非线性系统,以及传统卡尔曼滤波无法表示的非线性系统,精度可以逼进最优估计。粒子滤波方法的使用非常灵活,容易实现,具有并行结构,实用性强。文章的主要研究内容包括粒子滤波理论及其实现方法;利用粒子滤波理论来解决目标跟踪问题,构建基于粒子滤波的跟踪框架。     

一种基于Kalman滤波算法的组合式温度传感器的研究

该文研究了一种基于Kalman滤波算法的组合式温度传感器。根据铂电阻和半导体热敏电阻在温度测量中的不同特性,设计了一种组合式温度传感器,并利用Kalman滤波算法进行综合数据处理。提出了基于Kalman滤波算法的组合式温度传感器模型,给出了静态测量和动态测量两种情况下的kalman滤波算法步骤,分析了Kalman滤波算法的参数设置。实验结果表明,该组合式温度传感器可有效提高测量结果的准确性和灵敏度。     

基于MCMC粒子滤波的GPS接收机自主完好性监测算法研究

提出将马尔可夫蒙特卡罗方法与标准的粒子滤波算法有机结合应用于接收机自主完好性监测(RAIM)中.通过状态观测概率密度似然比方法建立一致性检验统计量进行卫星故障的检测与隔离.对算法进行了数学建模,描述了算法的流程.通过实测数据验证,结果表明,该方法在非高斯测量噪声情况下可以对状态进行精确的估计,成功检测和隔离故障卫星,克服了卡尔曼滤波的RAIM算法在处理非高斯测量噪声时性能下降的问题,从而验证了MCMC粒子滤波在接收机自主完好性监测中的有效性.     

风力机叶片蒙皮初始裂纹的盲信号提取

针对风力机叶片初始裂纹特征难以提取的问题,提出了一种逐步提取并消减噪声源信号从而获得微弱裂纹故障特征的盲提取方法.首先基于卷积混合模型极小化改进代价函数推导自适应学习迭代算式,在仿真实验中确定非线性激励函数和滤波器的传输函数,根据输出信号的性能参数证明了改进算法对尖峰噪声的异常点更加敏感稳健.在风力机叶片疲劳实验台上模拟叶片蒙皮的初始横向裂纹,通过声发射信号采集系统获得观测信号,分析噪声源的特性并提取了初始裂纹的声发射信号特征,为风力机叶片状态监测和预警提供了依据.     

利用视觉显著性和扰动模型的上下文感知跟踪

为了解决背景嘈杂、遮挡、形变和尺度变化情况下目标跟踪问题,提出利用视觉显著性和扰动模型的上下文感知跟踪。本文以相关滤波算法为基础,将目标周围的上下文信息引入到分类器学习过程中,构造了上下文感知相关跟踪,提高了算法鲁棒性;同时引入直方图扰动模型,利用加权融合的方法获得目标响应图,以此估计目标位置变化;最后利用视觉显著性构建目标稀疏显著性图,解决严重遮挡情况下的目标重定位问题,并利用尺度估计策略解决目标尺度变化问题。利用公开数据集测试算法性能,并与8种流行跟踪算法进行比较。实验结果表明,本文算法的跟踪精确度得分和成功率得分分别为0.695和0.708,均优于其它算法。与传统的相关滤波算法相比,所提算法能很好地解决背景嘈杂、遮挡、形变和尺度变化等复杂下的目标跟踪问题,具有一定理论研究价值和工程实用价值。     

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。     

Applying digital filtering based on a modified Capon approach to frequency-shift keyed signal demodulation

An algorithm for digital filtering based on the Capon approach for frequency-shift keyed signal demodulation is proposed. The filter coefficients correspond to an information-optimal solution to the problem of minimizing the output linear filter dispersion. It is shown that the method is efficient in the conditions of additive noises and inexact knowledge of the central signal frequency spectrum. The algorithm can be implemented on a programmable logic in real time.     

基于最小偏度采样的UPF算法

针对一般的粒子滤波中的退化问题,提出了一种改进的Unscented卡尔曼粒子滤波算法。首先,提出了最小偏度采样策略,将该策略用于UKF(Unscented kalman filtering)算法中,以UKF方法生成建议分布并从中采样,解决了一般粒子滤波算法中以转换先验密度函数作为替代分布所引发的粒子退化等问题。其次,将多项式重采样和分层重采样两种方法结合起来进行重采样,有效地减弱了粒子退化问题。最后,给出了非线性序列的仿真算例。理论分析和仿真结果均表明,改进的UPF算法提高了滤波的精度,算法的运行效率也得到了较大的提高。     

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。     

再入机动弹道参数估计与预报算法

本文以再入段弹道预报为背景,主要解决多个模型关键参数未知情况下,再入大气层机动弹头的弹道精确外推问题。文章细化了再入段机动弹头的建模过程,建立了包含导引过程的有控机动弹道数学模型,并利用UKF非线性滤波算法估算模型中的弹道系数、落点信息等关键参数,最后进行弹道的精确外推。仿真算例表明,该方法能在弹道系数、落点信息等参数未知的情况下进行有效快速的弹道预报,具有较好的预报精度。