基于中心微分Kalman滤波的重力/惯性组合导航

中心微分Kalman滤波由于其算法特点,可以避免强迫线性化带来的结果不稳定,并能降低计算量和分析量的难度。在重力/惯性组合导航匹配算法中引用中心微分Kalman滤波,并与扩展Kalman滤波比较,结果表明,中心微分Kalman滤波避免了雅可比矩阵的计算,并且可以获得更小的线性化误差。     

信息融合技术在INS/GPS/DVS组合导航系统中的应用

本文探讨了INS/GPS/DVS组合导航系统中的信息融合技术问题,介绍了联邦滤波算法的基本思想,根据INS、GPS、DVS的导航特点建立了较完整的状态方程,并以INS/GPS及INS/DVS组合分别构成组合导航系统的子滤波器,建立了相应的量测方程;阐述了主滤波器的最优估计融合算法,并给出了该算法与集中滤波算法等效的条件;最后采用无反馈的模式对组合导航系统中的联邦滤波算法进行了计算机仿真与分析.结果表明,联邦滤波算法可以充分利用各导航传感器的信息,并在减少计算量的前提下有效地提高导航系统的精度,具有较大的工程应用价值.     

基于多尺度形态学和Kalman滤波的基波分量提取

针对Kalman滤波在提取基波分量时存在暂态噪声抑制能力差和噪声统计特性不精确的缺点,提出了一种新的基波分量提取算法。采用改进的数学形态滤波器对采集信号进行多尺度分析得到平滑信号和细节信号,改进的滤波器使用不同形状的结构元素,有效地提高噪声抑制能力。利用平滑信号更新Kalman滤波器的观测值,减少故障信号暂态噪声的干扰,提高了滤波算法的收敛速度;利用细节信号实时在线计算测量噪声的方差,提高了滤波算法的收敛精度。在Matlab/Simulink环境下搭建仿真模型对算法进行验证与测试,仿真结果证实了算法的可行性和有效性。     

基于强跟踪UKF的视频目标跟踪算法

针对无迹卡尔曼滤波（unscented Kalman filter ,UKF）在非线性系统状态估计中存在的跟踪缓慢和稳态偏差问题,提出一种基于强跟踪UKF的视频目标跟踪算法。该算法以无迹变换（unscented transform ,UT）为基础,结合强跟踪滤波器和UKF滤波器的优点,在状态预测协方差矩阵中引入时变渐消因子调节卡尔曼增益,强迫输出残差序列保持正交,并提取残差序列的有效信息,提高滤波器对状态变化的跟踪能力。仿真结果表明,利用强跟踪UKF算法对视频中的运动目标进行跟踪,具有更高的跟踪精度,状态滤波均方误差更小。     

三相电网信号的双重Kalman滤波测量方法

提出一种基于Kalman滤波器的三相电网信号的谐波分析方法。该算法针对正负序分量的幅值相位和基波的频率,分别建立一个Kalman滤波器,并在两个滤波器之间形成联系。前者的状态变量可以用来计算基波瞬时频率并作为后者的测量;后者的状态变量可以提供前者模型参数。给出了两个滤波器的初始化过程与检测信号突变的方法,从而加快算法的响应速度。仿真验证了三相电网信号的幅值、相位和频率发生突变,幅值和频率同时连续变化,以及处于三相不平衡条件下,双重Kalman滤波测量方法依然准确高效。实验对非理想电网的三相电压、电流信号进行谐波分析,根据分析结果重构的信号误差平均值分别仅为0.67%和1.04%。     

分数阶Kalman滤波算法回溯长度选择方法研究

提出了一种分数阶Kalman滤波算法的回溯长度选择方法。与整数阶Kalman滤波算法相比,分数阶Kalman滤波算法的精度较高,但算法的实时性较差。研究发现,在分数阶Kalman滤波算法中,影响其精度和实时性的一个重要因素是算法的回溯长度。针对这一问题,基于分数阶Kalman滤波的基本原理,研究了回溯长度对算法的估计精度及算法实时性的影响,提出了可变回溯长度的分数阶Kalman滤波算法,在保证较高精度的前提下,有效地提高了算法的实时性。仿真实验结果证明,当精度要求较高时,在相同估计精度的情况下,采用可变的回溯长度能显著提高算法的实时性。     

基于改进Kalman滤波块状态估计方法的分布式光伏发电预测

文章基于大量历史数据,在深度学习神经网络的基础上,构建了基于各变量随时间变化的非平稳动态模型,并结合各在线实时的测量装置模型,将状态估计问题转化在Kalman滤波框架下进行;针对目前预测方法预测步数少的不足,设定较长的预测周期,并将该周期内的所有变量视为一个整体的块向量,并据此改写相适应的块状态Kalman滤波模型;建立可同时实现点点实时估计滤波器及固定预测长度的块状态预测估计滤波器;利用计算机数字仿真结果对块状态预测滤波器的有效性进行实验验证,误差比较显示,改进算法与现有的Kalman滤波方法相比,预测效果前者均好于后者。     

尺度空间滤波在局部放电脉冲提取中的应用

在提出脉冲提取思想的基础上，利用局部放电信号所固有的奇异性特征，将小波变换的奇异性检测原理应用于提取局部放电脉冲。为了满足局部放电在线监测的在线准实时要求，提出了改进的尺度空间滤波算法，并将其应用于局部放电脉冲的提取。通过相邻尺度的小波系数直接相乘，可以突出奇异点的信号，并获得基于尺度的屏蔽滤波器，将阈值方法和尺度空间滤波相结合，最终得到基于时域的屏蔽滤波器，将时域滤波器和原信号相乘，就可以提取出局部放电脉冲。仿真试验和发电机实测信号的算例表明，相对于模极大值算法，该方法在提高运算速度的基础上，不但能准确检测出局部放电脉冲，而且能很好地保持局部放电脉冲的幅度和位置。     

基于LabVIEW的广义线性滤波器设计与应用研究

针对相乘信号无法直接通过线性滤波进行分离的问题,研究和探讨了对相乘信号进行同态信号处理的广义线性滤波器的设计原理及思路,在LabVIEW开发平台上实现了广义线性滤波器.仿真实例验证了设计思路的有效性和正确性,并就其应用做了进一步讨论说明.     

基于小波多尺度分析和Kalman滤波的微机保护算法

提出了一种新的微机保护算法。采用小波多尺度变换对采集信号进行分解得到平滑信号和细节信号,在细节信号上利用模极大值法确定异常发生与否及其产生时刻。异常产生后进入故障处理程序,启动Kalman滤波器。利用平滑信号更新滤波器的观测值,减少故障信号暂态噪声的干扰,提高了滤波算法的收敛速度;利用细节信号实时在线计算测量噪声的方差,提高了滤波算法的收敛精度;小波分析对故障进行初次检测和判断,而滤波器估计出故障信号基波分量结合继电保护原理对故障进行再次判断,提高了保护算法的可靠性。在Matlab/Simulink环境下搭建仿真模型对算法进行验证与测试,仿真结果证实了算法的可行性和有效性。     

基于逆向卡尔曼滤波的电力变换器故障诊断方法

针对变换器中因电解电容退化而引起的等效电阻异变的故障诊断问题,提出了一种基于逆向卡尔曼滤波的电力变换器故障诊断方法。将变换器抽象为一类卡尔曼滤波动态方程。将电路元件参数作为卡尔曼滤波的未知状态,利用电路的电压和电流作为已知矩阵,逆向推导卡尔曼滤波递推公式,完成电力变换器的参数辨识和故障诊断。针对变换器正常状态下的参数辨识结果,表明所提出的逆向卡尔曼滤波参数辨识算法具有较高的精度。同时针对变换器故障状态下的故障诊断结果,表明逆向卡尔曼滤波算法也具有很好的跟踪性,能够快速显示故障元件及其参数变化情况。仿真验证了所提出方法的有效性和实用性。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

民用导航型C／A码GPS接收机动态定位的强跟踪卡尔曼滤波研究

本文提出了一种改进的强跟踪卡尔曼滤波算法,应用于ＧＰＳ动态定位获得明显效果,首先建立了一种新的ＧＰＳ动态定位滤波模型,该模型与以往采用的非线性卡尔曼滤波模型相比,滤波精度得到提高,且模型简单,系统运算量降低,实时性较好,然后,为了进一步提高滤波器的动态性能,改进了文献中的强跟踪滤波器,大大提高了滤波器的跟踪能力。     

衰减记忆扩展卡尔曼滤波在目标跟踪中的应用

对衰减记忆扩展卡尔曼滤波在机动目标跟踪领域中的应用技术进行研究,给出了状态方程和衰减记忆扩展卡尔曼滤波算法,分析了衰减记忆扩展卡尔曼滤波与扩展卡尔曼滤波算法之间存在的主要差别,并通过仿真实验证明该衰减记忆滤波算法具有较好的跟踪目标动态变化效果,解决了卡尔曼滤波算法和扩展卡尔曼滤波算法在非线性系统的目标跟踪中存在的滤波发...     

基于联合卡尔曼滤波的多传感器信息融合算法及其应用

针对常见卡尔曼滤波器在处理多传感器组合系统的数据时,存在计算量大和故障数据相互污染的问题,提出了一种应用联合卡尔曼滤波技术进行多传感器信息融合,以求得参数最优估计的方法。文中首先对联合卡尔曼滤波的基本原理和4种主要结构方式进行了论述和分析,然后给出了融合算法的实现,最后以多传感器组合导航系统为例,对其进行计算机仿真。结果表明,该方法可有效提高计算的精度和可靠性,具有较好的容错性和环境适应性,有效高的工程实用价值。     

状态切换UKF的飞行器姿态确定算法

针对全维无迹卡尔曼滤波(UKF)算法状态维数倍增所带来的计算负担加剧的问题,提出一种过程和量测不相关的状态切换UKF算法.该算法通过在预测和量测阶段选取不同的状态变量,降低实时滤波的状态维数及Sigma点的选取个数,减小了计算量,提高了运算速度.针对姿态确定中四元数规范化限制,给出一种参数切换算法,在滤波过程中通过四元数与修正罗德里格斯参数实时切换,解决了四元数加权均值和协方差奇异性问题.针对SINS/CCD姿态的仿真实验结果表明,与全维UKF算法相比,状态切换UKF算法估计精确度相当,估计时间缩短了约1/3.     

测量噪声方差未知的多传感器组合导航集中融合算法

目前,多传感器组合导航系统的信息融合方法是建立在测量噪声方差已知的基础上,然而测量噪声方差会随着内部及外部的干扰而发生变化。为此,本文首先将基于变分贝叶斯逼近的自适应卡尔曼滤波(variational Bayesian approximation based adaptive Kalman filter, VB-AKF)从单一组合导航系统扩展到多传感器组合导航系统;然后,提出了多传感器组合导航系统的两种集中融合算法,即基于VB-AKF的增广式集中融合算法及基于VB-AKF的序贯式集中融合算法,以解决测量噪声方差未知情况下的多传感器组合导航的信息融合问题;最后,通过SINS/GNSS/CNS/ADS多传感器组合导航系统对上述算法进行了仿真验证。实验结果表明,本文所提两种算法滤波精度相同、且接近于测量噪声方差已知情况下的理想集中融合算法(ICKF)。在整个仿真时段内,相对于传统集中式卡尔曼滤波器(TCKF)及具有容错功能的联邦卡尔曼滤波算法(FT-FKF),本文算法可提高位置精度分别为32%和90%、提高速度精度分别为38%和71%。     

基于自适应容积卡尔曼滤波算法的电力系统动态谐波状态估计

由于传统的谐波状态估计的参数辨识算法要求噪声的协方差矩阵固定不变,而实际工程中噪声的协方差矩阵是随时间变化的,工程中存在错误的量测数据,导致传统参数辨识算法估计的谐波电流参数的准确度较低。因此,提出自适应容积卡尔曼滤波算法来提高辨识谐波电流参数的准确度。首先,针对时变噪声干扰,采用基于渐消记忆指数加权法的噪声估值器算法生成时变噪声的协方差矩阵;其次,针对错误的量测数据,采用开窗估计算法修正错误的量测数据;然后,将修正的噪声协方差矩阵和量测数据代入容积卡尔曼滤波算法中,对谐波电流参数进行估计;最后,搭建IEEE 13节点系统仿真模型,验证了自适应容积卡尔曼滤波算法在时变噪声干扰及量测数据错误情况下仍可准确地估计谐波电流参数,确保了动态谐波状态估计的准确性。     

基于自适应容积卡尔曼滤波的主动配电网状态估计

有效的状态估计算法是确保电力系统安全、稳定、经济运行的前提条件。针对传统无迹卡尔滤波(unscented Kalman filter,UKF)参数选取难、灵活性差、高阶系统滤波精度低等缺陷,将数值稳定性较好的容积卡尔曼滤波(cubature Kalman filter,CKF)算法引入到配电网进行动态状态估计,并与改进后的自适应无迹卡尔滤波(Adaptive unscented Kalman filter,AUKF)算法进行对比,仿真分析表明CKF算法较AUKF算法具有较高的滤波精度以及较好的数值稳定性。该算法在系统负荷发生突变时滤波精度有所下降,为此进一步提出了自适应容积卡尔曼滤波(Adaptive cubature Kalman filter, ACKF)算法以改善状态估计性能。对三相不平衡电网进行算例仿真表明：ACKF算法相比较于CKF算法而言,滤波精度更高、鲁棒性更强。     

基于自适应无迹卡尔曼滤波的动力电池SOC估计

针对传统无迹卡尔曼滤波(unscented Kalman filter,UKF)算法估计电池SOC时,在未知的干扰噪声条件下滤波精度较低和稳定性较差等问题,基于等效的二阶RC电路模型,提出自适应无迹卡尔曼滤波(adaptive unscented Kalman filter,AUKF)算法.在模型参数辨识的基础上,构建...