基于Kalman滤波的企业财务危机动态预警模型

基于Kalman滤波理论,考虑财务比率在时间序列上的趋势性和历史数据对结果的影响,构建了财务危机的动态预警模型。首先对动态系统的状态进行描述,建立目标的状态模型,该模型是以时间序列来描述的,此外还建立了财务危机预警的测量方程,利用状态空间法描述目标的状态和测量。然后对Kal-man滤波理论在财务危机预警中的适用性进行分析,利用Kalman滤波器对财务危机预警模型的状态进行Matlab程序计算。并且应用极大似然估计对模型进行参数辨识。采用英国和爱尔兰180家样本公司,5～10年时间序列的财务数据作实证研究,结果表明,由年度破产概率值输出的基于Kalman滤波的动态模型优于静态预测模型的新方法。     

多水听器分布式扩展Kalman滤波融合算法

数据融合是信号处理领域非常引人注目的问题。在极坐标系下改进了直角坐标系下的扩展Kalman滤波算法,利用多传感器融合的基本理论,提出了用于水下目标的多水听器分布式扩展Kalman滤波融合算法。分别在目标不发生规避和目标发生规避两种情形下进行了仿真实验。结果表明,所提出的融合算法具有很好的跟踪性能,非常适合于工程的实际应用。     

基于动态面板回归的基金业绩决定因素

基于我国61家股票型基金200406～200803的16个季度面板数据,使用动态面板回归模型对数据进行了探索性建模,研究了政策性资产配置和基金经理对基金业绩的贡献.主要发现有:① 政策性资产配置与基金业绩之间的关系显著,在控制其他因素的情况下,基金资产配置能力提高1%,约能提高基金业绩0.8%;② 基金经理的学历、年龄、从业时间和从业背景对基金业绩的贡献显著,但贡献度不大;③ 基金业绩存在可能的”反转”现象,反转周期估计半年.     

基于扩展Kalman滤波的神经网络学习算法在股票预测中的应用

给出一种新颖的用于股价预测的基于扩展Kalman滤波的神经网络学习算法。与传统的BP算法相比，该方法具有更好的收敛率和学习能力。通过对股票的预测实验验证该方法的可行性和有效性。     

养老基金动态资产配置研究评述

阐述了养老基金动态资产配置研究的背景及意义,分别对收益确定型养老基金、缴费确定型养老基金和两者相结合统一框架下的资产配置问题进行了详细的综述,结果表明,收益确定型养老基金资产配置研究主要集中在运用资产负责管理实现盈余最大化和缴费率风险与偿付能力风险最小化2个目标;缴费确定型养老基金资产配置的研究主要集中在风险控制和收益保证方面;两者相结合统一框架下的资产配置问题主要是体现了期权的思想,最后,提出了目前国内外研究存在的主要问题和未来可能的研究方向.     

一种新的去偏转换测量Kalman滤波算法研究

采用引入虚拟项方法推导出转换测量误差均值和协方差的解析表达式,利用全部测量数据,给出了转换测量误差均值及其协方差在均方意义下的最佳估计,提出了一种新的去偏转换测量Kalman滤波算法.将该算法用于研究滤波精度要求较高的遭遇段导弹跟踪问题,并进行了Monte Carlo仿真.结果表明:该算法位置和速度估计的均方根误差小,滤波精度高,滤波器的实际估计误差和估计协方差匹配性好,算法置信度高,即使测量噪声较大时仍然保持良好的滤波性能.     

视线坐标系下的解耦无偏转换测量Kalman滤波算法

由于无偏转换测量Kalman滤波算法(unbiased converted measurement Kalman filter,UCKMF)的转换测量噪声协方差矩阵是非对角矩阵,所以无法直接给出该算法的解耦算法。针对此问题通过从参考坐标系(reference coordinate system,RCS)到视线坐标系(line-of-sight coordinate system,LCS)的坐标变换,在视线坐标系下得到了对角形式的转换测量噪声协方差矩阵,实现了转换测量噪声在三个坐标方向上的去相关化,并进一步在三维空间中推导了解耦的UCMKF滤波算法。在算法中,采用递推公式对参考坐标系与视线坐标系的坐标变换矩阵进行估计,并通过一个补偿矩阵提高了估值精度。仿真结果表明,对于匀速运动的目标,解耦UCMKF算法与耦合UCMKF算法的跟踪性能非常接近,但计算量大大降低,因此比较适合在多目标跟踪中应用。     

基于Kalman滤波理论的高动态GPS信号跟踪系统仿真研究

高动态意味着载波多普勒频移变化率较大,实际中真实的高动态信号通常难以采集到,比如在弹载、星载环境下.为了研究高动态GPS信号跟踪问题,首先设计了一种高动态GPS中频数字信号仿真模型,并在此基础上研究了一种基于Kalman滤波理论的高动态信号跟踪技术.信号的模拟和跟踪都是基于Matlab的Simulink环境,仿真结果显示高动态信号模拟理想,应用Kalman滤波理论的高动态跟踪技术跟踪稳定,精度满足要求.     

径向速度测量推广Kalman滤波的改进

研究了一种把径向速度测量引入推广Kalman滤波 (EKF)的新方法。在对测量方程进行分解和对测量噪声的统计特性进行分析的基础上提出了一种序贯处理结构的推广Kalman滤波算法 ,这种算法相当于对非线性的径向速度函数围绕状态矢量的滤波值而不是预测值线性化 ,因而可以大大减小线性化处理带来的误差。两个不同的MonteCarlo仿真结果说明该算法的估计性能优于传统的推广Kalman滤波。     

基于两级扩展Kalman滤波的海上多平台误差配准算法

为了建立统一态势图,利用平台的低精度导航信息和相互测量的位置信息来进行海上多平台传感器数据位置对准,避免了对高精度导航设备的依赖以及将地表近似为平面所带来的误差。分析数据位置对准过程中的主要误差来源,给出对准的坐标变换模型,分别构建关于导航系统误差和传感器系统误差的测量方程和状态方程,设计两级扩展Kalman滤波配准算法对两种系统误差进行在线估计和补偿,完成海上多平台的误差配准,为后续数据关联和融合提供更高精度的传感器数据。仿真实验结果验证了算法的正确性和有效性。     

Unscented Kalman filter for SINS alignment

In order to improve the filter accuracy for the nonlinear error model of strapdown inertial navigation system (SINS) alignment, Unscented Kalman Filter (UKF) is presented for simulation with stationary base and moving base of SINS alignment. Simulation results show the superior performance of this approach when compared with classical suboptimal techniques such as extended Kalman filter in eases of large initial misalignment. The UKF has good performance in case of small initial misalignment.     

一种补偿的扩展KALMAN粒子滤波

设计合适的重要性概率密度函数是粒子滤波中的一个重要问题.首先分析了扩展Kalman滤波器的线性化误差,然后加入调节因子,采用补偿的方法减小线性化误差,并用此方法获取粒子滤波中的重要性概率密度函数,同时该概率密度函数参考了最新的观测量,因此提议分布产生的粒子更能反映系统状态的后验概率分布.实验结果表明新算法的估计性能优于标准粒子滤波和Kalman粒子滤波,与Unscented Patticle Filter相比,新算法降低了计算复杂度.     

基于平方根UKF的车辆组合导航

针对扩展卡尔曼滤波(EKF)在车辆导航中存在着计算复杂、线性化误差大等缺点,将一种新的非线性滤波方法--平方根UKF方法(SRUKF)用于车辆GPS/DR组合导航中.和普遍采用的EKF方法相比,SRUKF方法不仅提高了车辆组合定位的精度和稳定性;而且不需要模型的具体解析形式,避免了复杂的Jacobi-an矩阵的计算,算法更简单,也更加易于实现.为了检验其有效性,将两种方法分剐对车辆GPS/DR组合导航系统进行滤波仿真,仿真结果进一步表明SRUKF方法明显优于EKF方法,是车辆组合导航中一种更理想的非线性滤波方法,真正实现了车辆低成本、高精度的实时定位.     

自适应卡尔曼滤波器渐消因子选取方法研究

分析了通过改变噪声和初始条件抑制Kalman滤波发散的方法,指出了造成Kalman滤波发散的原因和控制Kalman滤波发散的机理。推导了衰减记忆滤波方程并研究了衰减记忆滤波噪声阵和滤波初值的选取条件,分析了衰减记忆滤波条件下量测噪声阵遗忘因子权重变化的物理意义。给出了衰减记忆滤波不发散的自适应遗忘因子的新算法,仿真结果证明了所述方法的有效性。     

基于集合卡尔曼滤波的改进粒子滤波算法

提出一种基于集合卡尔曼滤波的粒子滤波改进方法。该方法利用集合卡尔曼滤波的最大后验概率估计产生粒子滤波每一时刻各粒子的建议分布函数,使建议分布函数融入最新观测信息的同时,更加符合状态的真实后验概率分布。该方法在对粒子滤波的建议分布进行估计时使用采样方法近似非线性分布,且采样点数灵活可变,使计算精度和算法效率得到提高。仿真结果表明,提出的集合卡尔曼粒子滤波的估计性能明显优于标准粒子滤波、扩展卡尔曼粒子滤波和无迹粒子滤波。     

模糊自适应强跟踪卡尔曼滤波器研究

针对卡尔曼滤波器对系统模型依赖性强、鲁棒性差和跟踪机动目标能力有限的问题,提出了一种具备模糊自适应特点的模糊强跟踪卡尔曼滤波器(fuzzystrongtrackingKalmanfilter,FSTKF)。这种方法主要利用模糊逻辑自适应控制器监测残差均值与标准差,并根据模糊规则动态调整弱化因子,从而对强跟踪滤波器中多重次优渐消因子进行自适应调整,进一步提高滤波器的估计性能。仿真结果表明,该改进滤波器跟踪机动目标的精度高于常规卡尔曼滤波器和强跟踪卡尔曼滤波器。     

迭代无味卡尔曼滤波器的算法实现与应用评价

为了对各种迭代无味卡尔曼滤波(iterated unscented Kalman filter, IUKF)算法的应用及性能表现给出较为全面、客观的评价,分别导出并探讨了3种IUKF算法之间的内在联系。多种情况下的仿真应用表明,当观测噪声不太大,且该非线性系统状态的后验密度为可用高斯分布很好近似的单峰形式时,或者说是引起系统非线性的状态量是完全瞬时可观测时,选用恰当的IUKF算法,通过2~3次迭代,就可以在保持滤波一致性的条件下,进一步获得显著的精度收益;否则,IUKF相对于无味卡尔曼滤波(unscented Kalman filter, UKF)的迭代收益就难以保证。     

回报率的滤波与极大似然估计

几何布朗运动常用来描述风险资产价格的变动,其中回报率的估计是一个困难的问题.本文给出了回报率的Kalman滤波,对滤波估计与极大似然估计进行了比较分析,运用Monte Carlo技术给出了算例,结果表明Kalman滤波具有明显的优势.     

基于Kalman滤波的加速度计十位置标定方法

未经完全补偿的加速度计标定误差会残留到初始对准阶段,引起水平姿态误差。针对这一问题,提出一种基于卡尔曼滤波初始对准的标定加速度计零偏和安装误差角的新方法。在分析水平对准精度的基础上,推导出加速度计标定误差模型,给出四步骤十位置标定编排方案。确定了最优标定路径,仿真验证了转台最优路径的有效性。表明该方法能在对准阶段利用水平姿态误差进一步补偿残余标定误差,提高加速度计的标定精度。