基于UKF-IMM的双红外机动目标跟踪算法

为了有效解决红外机动目标跟踪精度问题,提出基于UKF的交互式多模型IMM红外机动目标跟踪算法.该方法采用Markov过程描述多个目标模型间的切换,同时导出滤波器输入输出均加权的交互式算法.滤波器采用UKF,避免计算扩展卡尔曼滤波EKF所需的Jacobi矩阵,适用于非线性、非高斯的目标系统模型和观测模型,同时UKF可供多个模型共用,便于软、硬件实现.最后,用双红外探测器对S型机动目标进行仿真实验,给出应用该方法的具体步骤,验证了IMM-UKF的稳定性、有效性和精确性.     

车辆质心侧偏角估计算法设计与对比分析

车辆质心侧偏角是描述车辆侧向运动状态的重要变量之一,同时也很难准确估计.为此设计了基于运动学的直接积分法,基于扩展卡尔曼滤波的质心侧偏角估计算法和基于广义龙贝格观测器的质心侧偏角估计算法.对信号引入一定强度的噪声,通过多种典型工况对质心侧偏角估计算法进行调试与验证,分析不同算法的特点和工况适应性.直接积分法在长时间尺度下无可用性,但在极限工况下能较为快速地描述质心侧偏角变化趋势;卡尔曼滤波算法整体估计效果较好,但在一些动态工况存在估计偏差,且多为高估;龙贝格观测器算法在大部分工况都能获得良好效果,但在某些情况下存在估计偏差,且多为低估.     

机场道面使用性能的动态自回归预测模型

针对我国机场道面性能观测时间短,观测数据少,使用现有模型预测精度低,不能根据观测值动态更新预测模型等现状,提出了将卡尔曼滤波应用于时间序列预测的方法,建立了动态自回归预测模型,进行机场道面使用性能的预估.选取我国华东某机场的实测道面状况指数为基础数据,进行时间序列建模,应用卡尔曼滤波算法实现时间序列模型参数的实时更新,分析模型的预测效果.时间序列数据较少时,难以建立高精度的自回归模型,通过卡尔曼滤波处理建立的动态自回归预测模型精度明显提高.     

UKF车速估计器的算法研究与仿真

为准确估计车辆的行驶速度, 保证汽车的安全性, 设计了基于无味卡尔曼滤波算法（UKF: Unscented Kalman Filter）的车速估计器, 并与基于卡尔曼滤波（KF: Kalman Filter）算法所建立的估计器进行了比较。两个估计器都以七自由度整车模型为研究平台, 同时在Matlab中搭建了UKF和KF的算法模型。仿真实验结果表明, 当系统输入产生突变时, UKF算法与真实值的绝对误差率始终在4%以内, 比KF算法的误差率大约降低了3%, UKF车速估计器能很好地预测车速变化的趋势, 相对于KF估计算法效果更佳。     

基于两级滤波的车辆相对加速度估计

针对智能交通中汽车防追尾碰撞预警技术难以准确获取车辆间相对加速度,从而影响预警准确性的不足,提出了一种基于两级卡尔曼滤波的相对加速度估计方法.首先建立准确描述车辆间相对加速度变化的车辆相对运动模型,利用卡尔曼滤波递推方法初步估计出相对加速度值.然后进一步结合相对速度信息,利用第二级卡尔曼滤波估计相对加速度的误差,对初步估计的相对加速度值进行修正,从而获取较为准确的相对加速度信息.实车试验结果表明,该方法的准确性和可靠性好,加速度估计误差小于0.5 m/s2.     

一种基于简化MRAS无速度传感器的永磁电机EKF磁链辨识

表面式永磁同步电机因其结构简单、功率密度高、效率高等优势,被广泛应用于高性能伺服系统以及其他工业场合中。由于电机控制性能受温度和磁饱和等现象影响,电机参数的在线辨识则显得至关重要。针对由于永磁电机数学模型阶数低造成无法由一个估计器同时辨识转速和电机参数的问题,本文提出了一种结合EKF和MRAS辨识的优点,在MRAS无速度传感器系统估计转速的基础上通过EKF观测器估计永磁体磁链的解决方法,并与精确MRAS算法作了比较,对自适应PI参数的选择进行了讨论。Simulink仿真研究验证了该方法的有效性和准确性,能满足电机运行速度快且动态要求高的场合需要。     

基于UKF的ILS/GLS/INS组合导航融合方法

针对进近着陆过程中,仪表着陆系统(ILS)会受到空域以及外界环境的影响而产生导航偏差,影响进近着陆时导航的精度,而现在正在引进GLS着陆系统。本文提出一种将ILS和GLS分别与SINS相组合,利用改进的联邦无迹卡尔曼滤波,将其输出的位置之差作为量测值,再根据线性最小方差准则,提出了按照最优系数加权的方法融合局部导航数据,从而得到全局最优估值。相比于传统的联邦滤波算法,能有效的降低测量噪声,减小飞机降落时与标准航道的偏角误差,从而提高进近着陆引导的水平精度。     

基于卡尔曼滤波算法的无刷直流电机直接转矩控制

阐述了一种新的无刷直流电机转矩检测方法,可应用于直接转矩控制。传统的转矩观测方法有基于磁链观测转矩和基于反电势观测转矩,其分别存在计算复杂、误差大和难以得到准确的反电势的问题。根据无刷直流电机运行特性,提出了通过采集端电压和相电流的卡尔曼滤波转矩观测策略,仿真结果表明,能够准确观测到电机转矩。通过设计卡尔曼滤波算法,有效避免了微分运算产生干扰的问题,且不需要额外的滤波电路,节约了系统成本,并且利用转矩观测时产生的中间变量,完成无刷直流电机无位置传感器控制。     

基于交互式多模型的VR系统头部运动预测算法与仿真

虚拟现实系统中的视觉延迟会严重破坏其沉浸感,是导致仿真病的重要原因之一.针对此问题,栽分析头部运动特点基础上,采用常速模型和"当前"统计模型构成的模型集合描述头部运动,建立了交互式多模型预测滤波器对头部位置进行预测,并对预测效果进行了仿真验证.仿真结果表明,相比以往采用单一、固定模型描述头部运动的预测器,该预测器提高了头部位置预测精度,从而更加有效地补偿了VR系统中的视觉延迟.     

滤波技术在实时数据处理中的应用

本文探讨了在实时数据处理中应用自适应卡尔曼滤波方法及最优预报方法。该方法具有数值稳定性好,存储量小的优点,克服了发散的缺点,具有较强的自适应性。并针对被测目标种类的多样性,测量设备的不同测量精度,以及测量设备不同的传输频率,在具体的处理中做出了相应的调整。