极点配置固定区间Kalman平滑器和Wiener平滑器

基于稳态Kalman滤波器和白噪声估值器,根据控制理论中的极点配置原理,提出了极点配置固定区间稳态Kalman平滑器和Wiener平滑器.它们避免了计算最优平滑初值,且通过配置平滑器的极点,可快速消除初始平滑估值的影响,因而它们具有在有限固定区间上的实用稳定性,仿真例子说明了它们的有效性.     

一类新的固定点和固定区间KALMAN平滑器

应用现代时间序列分析方法,基于ARMA新息模型和白噪声估值器,对线性定常离散随机系统提出了两种新的固定点Kalman平滑器和两种新的正向固定区间Kalman平滑器.它们的优点是避免了解Riccati方程,算法简单,可在线实现.为了保证它们的最优性,给出了最优初值估值公式.仿真例子说明了其有效性.     

快速次优固定区间Wiener平滑器算法

为了克服带相关噪声控制系统的最优固定区间Kalman平滑算法要求较大计算负担的缺点,应用Kalman滤波方法,基于CARMA新息模型,由稳态最优Kalman平滑器导出了带相关噪声控制系统的最优固定区间Wiener递推状态平滑器,它带有系数阵指数衰减到零的高阶多项式矩阵.用截断系数矩阵近似为零的项的方法提出了相应的快速次优固定区间Wiener平滑算法.它显著地减少了计算负担,便于实时应用,还给出了截断误差公式和选择截断指标的公式.仿真例子说明了快速平滑算法的有效性.     

固定区间Wiener平滑器及其实用稳定性

应用稳态Kalman滤波理论,提出了一种固定区间Wiener平滑器,由稳态最优非递推固定区间Kalman平滑器的递推变形引出固定区间Wiener平滑器.该平滑器具有一种在有限区间上的实用稳定性,即当原系统Kalman滤波器的所有特征值远离单位圆周时,对任意选取的平滑初值该平滑器能快速消除其影响而具有快速收敛性.当有接近单位圆周的特征值时,为消除其不良影响,给出了平滑初值的选取方法.仿真例子说明了其有效性.     

一类新的固定点和固定区间KALMAN平滑器1)

Using the modern time series analysis method,based on the autoregressive moving average (ARMA)innovation model and white noise estimators,this paper presents two new fixed-point Kalman smoothers and two new forward fixed-interval Kalman smoothers for linear discrete time-invariant stochastic systems.Their advantages are that the solution of the Riccati equation is avoided,and that the algorithms are simple and can be implemented on line.The optimal initial estimate formulas are given in order to ensure the optimality of the proposed smoothers.A simulation example shows their usefulness.     

U-D分解的前向固定区间平滑新算法

本文提出了两种前向固定区间平滑新算法以解决工程问题.为了确保算法的数值稳定性并提高计算效率,两种算法中的协方差矩阵传播均使用了U-D分解形式.计算量分析结果表明,两种新算法与Keigo Watanabe前向平滑算法相比较,计算量减少40%以上;状态维数较高时,计算效率提高3倍以上.     

Systolic算法和阵列结构执行固定区间平滑

基于平方根算法提出了一种适合于并行计算的固定区间平滑的Systolic算法,这种算法使得计算的快速性和数值稳定性都得到了提高.文中还提出了一种有效的脉动(Systloic)阵列结构来实现此并行算法.对容错算法、处理器的利用率及计算速度作了简要地分析.     

固定区间平滑新算法及其在飞行试验中的应用

本文根据Kalman滤波和Rauch-Tung-Striebel固定区间平滑公式,提出了信息滤波--固定区间平滑的新算法,并给出了算法的U-D分解形式.由于改变了算法结构,使整个算法的数值稳定性好、可靠性高,而且平滑算法计算量和平滑所需滤波计算量均大为减少.计算量分析结果表明,新算法与Bierman序列滤波和固定区间平滑算法.Keigo. Watanabe前向平滑方法相比较,计算量减少40%以上;当状态转移阵中各元素用K的函数表示时,计算量减少50%以上.本文将此平滑算法用于实际飞机飞行试验的数据处理中,得到了令人满意的结果.     

U－D分解的前向固定区间平滑新算法

本文提出了两种前向固定区间平滑新算法以解决工程问题．为了确保算法的数值稳定性并提高计算效率，两种算法中的协方差矩阵传播均使用了Ｕ－Ｄ分解形式．计算量分析结果表明，两种新算法与ＫｅｉｇｏＷａｔａｎａｂｅ前向平滑算法相比较，计算量减少４０％以上；状态维数较高时，计算效率提高３倍以上．     

统一的快速次优固定区间白噪声Wiener平滑算法

对带相关噪声的线性离散随机控制系统,应用Kalman滤波方法,基于CARMA新息模型导出了统一的最优固定区间白噪声递推Wiener平滑器,它带有系数阵指数衰减到零的高阶多项式矩阵.进一步用截断方法提出了相应的快速次优固定区间自噪声Wiener平滑算法,它显著地减小了计算负担.给出了平滑误差公式和选择截断指数的公式.一个Bernoulli-Gaussian白噪声的仿真例子说明了所提出的结果的有效性.     

稳态Kalman滤波器增益新算法

应用现代时间序列分析方法,基于ARMA新息模型,提出了稳态Kalman滤波器增益的两种简单的新算法,并证明了它们的等价性.应用ARMA新息模型参数的递推辨识器伴随新算法,可实现自校正Kalman滤波器.仿真例子说明了其有效性.     

基于奇异值分解的固定区间平滑新方法*

本文提出一种基于奇异值分解（ＳＶＤ）的固定区间平滑新方法，该方法基于Ｒａｕｃｈ－Ｔｕｎｇ－Ｓｔｒｉｅｂｅｌ固定区间平滑方法，利用奇异值分解作为计算工具，将原算法中协方差阵进行奇异值分解，不仅具有很好的数值稳定性和鲁棒性，而且避免了矩阵的求逆，此外，采用ＳＶＤ分解，具有明显的物理意义。仿真计算结果证明了本文方法的有效性和优越性。     

广义系统Wiener 滤波和Kalman 滤波新方法*

应用时域上的现代时间序列分析方法,基于ＡＲＭＡ新息模型和白噪声估计理论,提出了广义系统的Ｗｉｅｎｅｒ状态估值器和急剧记Ｋａｌｍａｎ估值器。它们可统一处理最优滤波,平滑和预后问题。     

Smoothing properties of discrete-time zero-lag Kalman filter

In this paper it is shown than an estimate generated in a discrete time Kalman filter can, under certain circumstances, give better performance if some delay is allowed in the system. This fact is utilized to construct three simple suboptimal smoothers, all based on the structure of a Kalman filter. These smoothers are of low complexity as compared with the optimal ones. The conditions are given under which the performance of these suboptimal smoothers is better than that of a zero-lag Kalman filter. The methods of suboptimal smoothing considered give, in many cases, a possibility of obtaining results close to the optimal smoother. Several examples are presented.     

基于非线性卡尔曼平滑的GPS定位估计方法

在GPS单机定位中,通常采用卡尔曼滤波作为位置状态解算的方法.文中提出一种将非线性平滑技术用于GPS定位估计的方法,该方法可用于单机GPS接收机的定位解算,在非线性滤波的基础上进一步提高定位精度.提出一种随接收卫星数量而实时改变测量参数的动态测量模型,根据GPS的伪距、多普勒频移和导航信息等原始数据进行定位模型的解析,运用新型的平淡卡尔曼平滑算法求解该动态模型.GPS定位实验结果表明,与通用的最小二乘迭代法和非线性滤波等方法获得的结果相比,所提出的方法能获得更高的定位精度.     

稳态Kalman滤波的一种统一格式

应用现代时间序列分析方法,基于ＡＲＭＡ新息模型和白噪声估值器,提出了稳态Ｋａｌｍａｎ滤波、平滑、预报的一种统一格式。给出了稳态Ｋａｌｍａｎ估值器增益的两种新算法,可避免解Ｒｉｃｃａｔｉ方程;提出了稳态Ｋａｌｍａｎ估值器关于新息初值渐近稳定性的新概念,并给出了保证这种渐近稳定性的滤波初值选取公式。仿真例子说明了所提出结果的有效性。     

带多层融合结构的广义系统 Kalman 融合器

对带多传感器的线性离散随机广义系统, 用奇异值分解将其化为两个降阶耦合子系统, 应用现代时间序列分析方法, 基于自回归滑动平均 (Autoregressive moving average, ARMA) 新息模型和白噪声估计理论, 提出了带三层融合结构的分布式稳态 Kalman 融合器, 它由两个加权融合器和两个复合融合器组成. 第一层给出子系统状态融合器, 实现了每个子系统分量解耦融合; 第二层给出变换后状态融合器, 实现了两个子系统的解耦融合; 第三层给出原始状态融合器, 它可统一处理状态融合滤波、平滑和预报问题. 为计算最优加权阵, 给出了计算局部估计误差互协方差阵公式, 证明了它的精度比每个局部估值器精度高. Monte Carlo 的仿真实例说明了其有效性.