基于小波和扩展卡尔曼的心电检测

文中将小波变换和扩展卡尔曼滤波器相结合,利用小波变换多尺度多分辨的特点,将心电信号进行分解。然后对心电信号在各尺度上进行扩展卡尔曼滤波。最后在扩展卡尔曼滤波的输出结果上进行QRS波形检测。文中方法经MIT-BIH心电数据库检验,QRS波Se（探测灵敏度）在99.40%以上,同时,QRS＋P（正探测率）在99.39%以上,提高了心电信号检测的正确率。     

传感器精度的状态估计方法

利用卡尔曼滤波方法可对传感器精度进行状态估计。本文讨论了卡尔曼滤波中黎卡提方程的反问题，并对观测传感器精度以一定的估计误差进行数值寻优。短文与研究通讯     

一种变换状态空间的稳定卡尔曼滤波算法

该文在分析了扩展卡尔曼滤波中两种线性化误差的产生原因及其对滤波影响的基础上,针对线性状态方程和非线性观测方程这一类系统,提出了采用一组新的状态量代替原来的状态量,使得观测方程为线性方程,从而避免了因为观测方程线性化导致的观测空间和状态空间的映射关系改变,提高了扩展卡尔曼滤波的稳定性和状态估计的精度。通过一个无源定位与跟踪的计算机仿真试验验证了这种方法的优点。     

基于扩展卡尔曼滤波的动中通低成本姿态估计

针对动中通系统低成本姿态估计问题,提出了一种基于扩展卡尔曼滤波的姿态估计算法。该算法以四元数作为状态变量,通过融合陀螺、加速度计以及单基线GPS位置和速度信息估计载体的姿态信息。针对载体机动加速度的影响,通过单基线GPS提供的速度信息对载体的机动加速度进行初步补偿;当载体发生转弯时,利用侧滑角补偿法进一步校正。实验结果表明,该算法成功融合了陀螺的短时精确性、加速度计的长时稳定性和GPS精确的测速和定位功能,系统的动态估计精度在±0．5°内,满足了动中通的应用要求。     

MULTISENSOR DISTRIBUTED EXTENDED KALMAN FILTERING ALGORITHM AND ITS APPLICATION TO RADAR/IR TARGET TRACKING

A multisensor distributed extended Kalman filtering algorithm is presented for nonlinear system, in which the dynamic equation of the system and the equations of sensor's measurements are linearized in the global estimate and global prediction respectively and the suboptimal global estimate based on all available information can be reconstructed from the estimates computed by local sensors based solely on their own local information and transmitted to the data fusion center. An analysis of the properties of the algorithm presented here shows that the global estimate has higher precision than the local one and smaller linearization error than the existing method. Finally, an application of the algorithm to radar/IR tracking of a maneuvering target is illustrated. Simulation results show the effectiveness of the algorithm.     

基于粒子滤波和滑动平均扩展Kalman滤波的多径估计算法

多径干扰是高精度定位的主要误差源,估计多径参数对消除多径误差,提高导航系统定位精度具有重要意义。针对扩展Kalman滤波(EKF)在进行多径参数估计时,存在对初值敏感,估计结果在真值附近具有较大波动的缺点,该文提出一种基于粒子滤波(PF)和滑动平均EKF的多径估计算法。该算法首先利用PF得到多径参数的粗略估计值,并将该值作为EKF的初始估计值,以克服EKF对初值敏感的问题。接着对EKF的估计结果进行滑动平均,并将平均后的滤波结果作为多径参数的估计结果。仿真结果表明,改进后的多径估计算法可有效降低估计结果的波动幅度,同时解决了EKF对初值敏感的问题。     

无线传感器网络节点的三维质心定位算法研究

由于无线传感器网络中的节点初始位置并不固定,所以需要利用合理的定位算法进行无线传感器网络的节点位置的确定。而利用三维质心定位算法,可以通过假设锚节点和利用三维坐标系来进行曲面三维体的确定,从而将三维体的质心当做是未知节点进行位置的计算。因此,基于对这一算法的认识,本文对无线传感器网络节点的三维质心定位算法进行了研究,并对其性能进行了分析,从而为关注这一话题的人们提供参考。     

基于扩展卡尔曼滤波算法的无人机定位

无人机的移动定位是应对无人机机动性和应用环境复杂性的关键技术.为解决无人机中的全球定位系统(GPS)信号失效问题,提出了一种通过机载无线射频的接收信号强度解决定位问题的技术,分别采用扩展卡尔曼滤波方法估计距离和最小二乘方法估计路径损耗因子两种处理方法.理论分析和实验测试结果证实所提算法对有色噪声干扰下的接收信号有较好的增强效果,基于80％的置信水平,新算法相对于白噪声模型将估算误差从9.5 m减少到了4 m,还进一步提供了融合惯性导航的算法.     

无线传感器网络中基于多比特量化数据的滚动时域状态估计

该文基于多比特的量化策略,提出了无线传感器网络中多比特分布式滚动时域状态估计算法。每个传感器节点预先设定一个包含多个阈值的阈值簿,利用这个阈值簿将观测值量化成多比特,融合中心接收这些比特信息运用滚动时域的思想得到系统的状态估计值,与预期相同。仿真结果表明阈值簿中阈值个数越多则估计的结果会越精确。与单比特滚动时域状态估计方法相比,该方法避免了每一时刻传感器节点接收融合中心的反馈状态估计值用来设计阈值,并且在多比特信息下状态估计值的精度更高。     

无线传感器网络的目标跟踪算法

为了解决无线传感器网络跟踪非线性运动目标的分布式数据融合问题,使用了基于扩展信息滤波器(EIF)的分布式估计算法.对于活跃传感器的选择方法,采用了基于与目标位置接近程度的近邻选择算法和基于信息贡献的信息选择算法.仿真结果表明,与分布式扩展信息滤波器(DEIF)算法相比,近邻选择算法和信息选择算法得到了相似的响应曲线,且具有减少能量消耗和简化计算的优点.     

基于迭代扩展Kalman滤波建议分布和线性优化重采样的快速同步定位与构图

针对标准快速同步定位与构图(FastSLAM)方法中由于样本退化及贫化导致自主水下航行器(Autonomous Underwater Vehicle, AUV)及路标位置估计精度严重下降的问题,该文提出一种基于迭代扩展Kalman滤波(Iterative Extended Kalman Filter, IEKF)建议分布和线性优化重采样的FastSLAM方法,通过IEKF融入最新观测值从而降低样本退化,为了降低样本的贫化,将重采样过程中复制的样本与部分被抛弃的样本通过线性组合产生新样本。建立AUV的运动学模型、特征模型及传感器的测量模型,通过Hough变换提取特征构建全局地图,采用改进的FastSLAM方法基于海试数据进行了AUV同步定位与构图试验,结果表明该文所设计的方法能够有效避免样本的退化及贫化,提高了AUV及路标的位置估计精度;此外,一致性分析结果表明所设计算法具有长期一致性。     

基于扩展卡尔曼滤波模型的电动汽车锂电池SOC估算研究

针对新能源电动汽车锂电池电荷状态SOC估算问题,在锂电池二阶RC等效电路模型基础上,引入扩展卡尔曼滤波方法,利用扩展卡尔曼滤波方法处理复杂非线性系统能力,建立了扩展卡尔曼滤波锂电池SOC估算模型,并通过MATLAB/Simulink对新建模型仿真分析。仿真结果显示,建立的扩展卡尔曼滤波锂电池SOC估算模型具有较高估算精度,整体误差小于±0.05%,满足新能源电动汽车对锂电池SOC估算要求。     

An energy‐saving algorithm for cloud resource management using a Kalman filter

Cloud computing has emerged as a promising technique to provide storage and computing component on‐demand services over a network. In this paper, we present an energy‐saving algorithm using the Kalman filter for cloud resource management to predict the workload and to further achieve high resource availability with low service level agreement. Using the proposed algorithm, one can estimate the potential future workload trend then predict the computing component workload utilizations and further retrench energy consumption and achieve load balancing in a cloud system. Experimental results show that the proposed algorithm achieves more than 92.22% accuracy in the computing component workload prediction, improves 55.11% energy in energy consumption, and has 3.71% in power prediction error rate, respectively. Copyright © 2013 John Wiley & Sons, Ltd.     

Single Beacon Cruise Positioning Algorithm in Wireless Sensor Networks

Node localization is important in WSNs （Wireless sensor networks） applications. We present a new cruise positioning algorithm, where a single beacon node cruises an entire network, broadcasting its position periodically with fixed signal strength. Meawhile, an unknown node obtains the location and the corresponding distance of the beacon node. Two possible position coordinate sets for the unknown node can then be calculated, and the coordinate mean of the point set with a small variance is an unbiased estimator of the unknown node＇s coordinate. The positioning algorithm＇s computation is simple, positioning accuracy is not limited by a physical distance measuring tool, and there are no restrictions on the path of motion, which makes it more realistic. An algorithm simulation is presented to compare the original and cruise location algorithm. Numerical results show that the cruise localization algorithm can achieve good positioning accuracy.     

无线传感器网络中中位数查询算法研究

低廉的价格和恶劣的环境会导致传感器节点采样数据中存在误差和异常数据,所以有时候需要通过中位数查询来反映整个监测区域的平均水平.本文首先提出了基于等高直方图的中位数查询算法HMA,然后我们对其进行了扩展,提出了结合直方图与过滤器的HFMA算法,每个采样周期中只需要收集落在过滤器当中的数据并聚集数据的影响因子,基站根据收集的数据和影响因子聚集值计算出中位数.实验表明HFMA算法优于NAIVE算法和HMA算法,可以有效的节省能量开销,提高网络生命周期.     

基于移动信标节点的无线传感器网络定位算法研究

对移动信标节点的无线传感器定位路径进行研究分析,分析规律性折线路径,随机路径和虚拟力方法路径的缺陷,结合两者优点,提出改进的自适应的动态路径。采用matlab仿真工具,结合RSSI测距方法以及无线传输模型,对改进算法进行仿真验证,得到更高的覆盖率和更小的误差率,从而减小了网络硬件成本,更能满足无线传感器网络定位的实际应用。     

远距离干扰环境下目标跟踪的扩展卡尔曼粒子滤波算法

该文在扩展卡尔曼粒子滤波算法的基础上融合了负信息(没有接收到观测值的扫描)来实现远距离干扰环境下的目标跟踪。在整个实现过程中,由传感器模型推导出的高斯和似然函数充分考虑了正负信息,直接用于计算粒子权重更新。并且通过扩展卡尔曼滤波算法产生重要性密度函数,利用当前时刻的量测,使得粒子的分布更接近其后验概率分布,而且使用较少的粒子个数即可达到较好的跟踪效果。仿真证明,扩展卡尔曼粒子滤波算法在航迹连续性和跟踪精度方面明显优于扩展卡尔曼滤波算法,但计算复杂度较高。     

Weak harmonic signal detection method in chaotic interference based on extended Kalman filter

The traditional methods of weak harmonic signal detection under strong chaotic interference often suffer from high computational complexity and poor performance. In this paper, an Extended Kalman Filter (EKF) based detection method is proposed for the detection of weak harmonic signal. The EKF method avoids matrix inversion by iterating measurement equation and state equation, which simultaneously improves the robustness and reduces the complexity. Compared with the existing detection methods, the proposed method has the following advantages: 1) it has better performance than the neural network method; 2) it has similar performance with the optimal filtering method, but with lower computational complexity; 3) it is more robust compared with the optimal filtering method.     

自适应EKF在被动跟踪中的应用研究

针对被动跟踪中常见的滤波发散、收敛速度慢和跟踪精度低等问题,研究了一种非线性系统的自适应推广卡尔曼滤波算法。该算法能够在线估计噪声的统计特性,动态补偿模型线性化误差,消减系统的观测误差。对其滤波理论及算法进行了研究与仿真,结果证实该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。     

基于扩展卡尔曼滤波的联合迭代检测译码信道估计方法

针对高速移动场景下信道快衰落、非平稳等特性导致下行链路信道估计性能受限的问题,提出了一种适用于高速移动环境下行链路的信道估计方法.采用自回归过程对信道建模,构造自反馈的扩展卡尔曼滤波器（Extended Kalman Filter,EKF）追踪信道响应及其时域相关系数.为了解决EKF自反馈结构引起的误差传播问题,采用了迭代检测译码的接收机结构,以利用信道编码的冗余提升EKF的信道估计精度.仿真分析表明,在高速移动环境下所提方法相较于最小二乘估计和线性最小均方误差估计等传统方法提升了信道估计的均方误差和系统的误码率性能,可应用于高速列车无线通信设备的接收机基带信号处理系统.