基于卡尔曼滤波估计的一致性时钟同步算法

针对无线传感器网络（WSN）的众多应用都需要依赖时钟同步的节点协同完成,而由于节点的晶体震荡器受自身以及外界环境的影响,使得节点时钟偏斜和时钟偏移两个参数发生变化导致时钟不同步问题,提出了基于分布式卡尔曼滤波估计的一致性补偿时钟同步算法DKFCC。该算法首先利用双向信息交换机制以及分布式卡尔曼滤波实现时钟偏斜和偏移两个参数的最优估计,然后基于时钟参数的最优估计值采用一致性补偿方法实现节点的时钟同步。实验结果表明：在100个节点随机部署的WSN中,采用虚拟全局一致性方式的DKFCC同步算法比异步一致性同步（AC）算法的同步均方根误差（SRAMSE）值降低了约95%,具有较高的同步精度;同时,所提出算法从时钟参数层面实现同步,无需频繁地进行时钟同步操作,相比AC算法更节能。     

A semi-implicit approach for fast parameter estimation by means of the extended Kalman filter

An assessment is performed of the impact of the time-integration scheme on data assimilation based on the extended Kalman filter approach. The usage of the implicit Euler scheme, which leads to unconditionally stable model updates for the whole range of time steps, results in a less accurate estimation of model parameters, which can be overcome using a parameter estimator based on the explicit Euler scheme. However, the latter limits the maximum time step which may lead to an unacceptable increase in computational load. The alternative can be found using a semi-implicit estimator, where a model is updated using the implicit Euler scheme, whereas the propagation of the error covariance matrix in time is based on the explicit time integration scheme. The improved properties of the proposed algorithm are demonstrated on a one-dimensional problem of permeability estimation in a porous medium for a single phase oil flow.     

基于渐消卡尔曼滤波算法的航空发动机参数估计方法

针对航空发动自适应模型误差无法完全消除,可能导致参数估计结果严重偏离甚至滤波发散的问题,提出一种带渐消因子的卡尔曼参数估计方法,采用在线调整卡尔曼方程残差的权重、加强现实测量数据在状态估计中作用的策略,保证了发动机性能参数估计的准确性。仿真结果表明,该方法不仅克服了滤波发散现象,具有更优的收敛速度和估计精度,且计算量小,实现简单,便于实际应用     

基于均值漂移与卡尔曼滤波的目标跟踪算法

均值漂移算法在目标跟踪过程中没有利用目标的运动方向和速度信息,在目标受到干扰时容易跟踪失败,而Kalman滤波能够较为准确地预测目标的速度和位置。因此,提出了一种结合均值漂移与Kalman滤波的跟踪算法,使用Kalman滤波对目标运动速度和空间位置进行预测。根据干扰的不同情况,使用不同的比例因子将两算法的跟踪结果线性加权得到目标的最终位置。实验结果表明该算法是可行有效的。     

一种基于卡尔曼滤波的运动物体跟踪算法

针对实时视频监控领域中传统的Camshift算法不能有效解决遮挡和高速运动等问题,提出一种改进的Camshift算法与卡尔曼滤波相结合的运动物体跟踪算法。首先,通过二次搜索来调整搜索窗口的位置和大小,保证Camshift跟踪的可靠性;然后,在Camshift算法的基础上通过卡尔曼滤波对搜索窗口进行运动预测,保证实时跟踪。实验表明该方法具有较好的实时性,并能够有效地解决遮挡等问题。     

基于反向预测卡尔曼滤波自适应算法研究

标准卡尔曼滤波算法对系统的数学模型和噪声统计特性进行了假设,当该假设与实际的模型不匹配时容易造成滤波误差较大甚至滤波发散。提出基于反向预测卡尔曼滤波自适应算法,通过比较原始预测状态归一化新息平方和反向预测状态归一化新息平方,当比值大于设定阈值时在线进行过程噪声调整,从而修正预测状态。雷达目标跟踪仿真研究结果表明,该算法对目标机动和过程噪声增大有较强的自适应性,能够提高滤波精度和鲁棒性。     

基于Camshift和Kalman滤波的自动跟踪算法

针对传统的Camshift算法在跟踪时需要手动定位目标,在颜色干扰、遮挡等复杂背景中容易跟丢目标的问题,提出了一种基于Camshift和Kalman滤波的自动跟踪算法。首先利用帧间差分法和Canny边缘检测法分割出运动目标的完整区域,然后用提取出的目标区域初始化Camshift算法的初始搜索窗口,从而实现了目标的自动跟踪。当背景中存在相似颜色干扰或者目标被严重遮挡时,采用Kalman滤波与Camshift算法相结合的改进算法进行跟踪。实验结果表明,本文改进算法在目标被严重遮挡、颜色干扰等情况下仍能有效、稳健地跟踪。     

基于加性无迹卡尔曼滤波的雷达目标跟踪方法

提出一种基于加性无迹卡尔曼滤波的雷达目标跟踪方法。雷达跟踪系统为离散非线性系统,传统的解决方法是使用扩展卡尔曼滤波。无迹卡尔曼滤波用少量采样点表示随机变量的分布,通过非线性系统传播,能以三阶精度获得非线性变换的均值和方差的估计。用无迹卡尔曼滤波进行雷达目标跟踪。通过Monte Carlo仿真,验证了该滤波算法比传统的扩展卡尔曼滤波具有更高的滤波精度。     

基于卡尔曼滤波的移动机器人运动目标跟踪

提出了一种基于卡尔曼滤波的运动目标快速跟踪算法。针对复杂背景下彩色运动目标跟踪问题,采用基于颜色特征和形状特征相结合的方法进行目标识别。利用卡尔曼滤波器的预测功能,预测运动目标在下一帧中的位置,将图像全局搜索问题转换为局部搜索,提高了系统的实时性。实验结果表明:该算法满足移动机器人运动控制的实时性要求,实现了对运动目标的快速跟踪。     

一种基于遗传算法和卡尔曼滤波的运动目标跟踪方法

提出了一种基于遗传算法和卡尔曼滤波的运动目标跟踪方法。该方法利用卡尔曼滤波预测目标中心在下一帧图像中可能出现的位置,以该位置为中心,建立候选的目标搜索区域。以跟踪目标的灰度统计特征为模板,以Bhattacharyya系数来度量目标模板与候选目标区域的相似性,并以此相似性作为遗传算法适应度函数,以候选目标中心坐标作为参数编码,利用遗传算法进行匹配搜索,最终获得最佳候选区域中心位置,同时以该位置作为观测值,进行下一帧预测。实验结果表明,该方法具有较好的实时性和鲁棒性。     

基于极大后验估计的自适应容积卡尔曼滤波器

针对标准的容积卡尔曼滤波器(CKF) 设计需要精确已知噪声先验统计知识的问题, 提出一种自适应CKF 算法. 该算法在滤波过程中, 利用Sage-Husa 极大后验估值器对噪声的统计特性进行在线估计和修正, 有效地提高了CKF 的估计精度和数值稳定性. 在某些情况下, 噪声协方差估计会出现异常现象使得滤波发散, 进而提出了相应的改进方法. 仿真结果表明了自适应CKF 算法的可行性和有效性, 且明显改善了标准CKF 算法的滤波效果.     

基于RSSI的机器人室内卡尔曼滤波定位算法研究

针对移动机器人在室内环境中定位难的问题,提出了一种基于RSSI（Receive Signal Strength Indicator）的卡尔曼滤波定位算法。利用基于RSSI的定位方法估算用户的位置坐标,利用卡尔曼滤波算法对用户的估算位置坐标进行优化处理,以提高室内定位系统的性能和稳定性。实验结果表明,卡尔曼滤波算法是鲁棒的,可以有效改善系统的定位精度,达到了预期的目的。     

Applying the unscented Kalman filter for nonlinear state estimation

Based on presentation of the principles of the EKF and UKF for state estimation, we discuss the differences of the two approaches. Four rather different simulation cases are considered to compare the performance. A simple procedure to include state constraints in the UKF is proposed and tested. The overall impression is that the performance of the UKF is better than the EKF in terms of robustness and speed of convergence. The computational load in applying the UKF is comparable to the EKF.     

An alternative Kalman innovation filter approach for receiver position estimation based on GPS measurements

This article presents an alternative Kalman innovation filter approach for receiver position estimation, based on pseudorange measurements of the global positioning system. First, a dynamic pseudorange model is represented as an ARMAX model and a pseudorange state-space innovation model suitable for both parameter identification and state estimation. The Kalman gain in the pseudorange coordinates is directly calculated from the identified parameters without prior knowledge of the noise properties and the receiver parameters. Then, the pseudorange state-space innovation model is transformed into the receiver state-space innovation model for optimal estimation of the receiver position. Hence, the proposed approach overcomes the drawbacks of the classical Kalman filter approach since it does not require prior knowledge of the noise properties, and the receiver's dynamic model to calculate the Kalman gain. In addition, due to its simplicity, it can be easily implemented in any receiver. To demonstrate the effectiveness of the approach, it is utilized to estimate the position of a stationary receiver and its performance is compared against two versions of the classical Kalman filter approach. The results show that the proposed approach yields consistently good estimation of the receiver position and outperforms the other methods.     

含有迟滞Hammerstein系统的非光滑卡尔曼状态估计

迟滞特性具有非光滑、多值映射等复杂特性.如果迟滞环节的末端还存在一个线性子系统,导致迟滞的输出信号不可测,使得整个系统的状态估计工作成为很大的难题,常规的估计方法无法直接应用到这类系统中.本文提出一种新的非光滑卡尔曼滤波器,描述了Hammerstein系统的状态空间方程.据此构造了能够随系统工作区间变化而自动切换的非光滑滤波器.最后通过仿真和实验,比较了非光滑卡尔曼滤波器和传统的卡尔曼滤波器的状态估计效果,比较结果表明非光滑卡尔曼滤波器对于带迟滞的Hammerstein系统状态变量的估计的准确性要优于传统的卡尔曼滤波器.     

On-line state and parameter estimation of EPDM polymerization reactors using a hierarchical extended Kalman filter

A hierarchical extended Kalman filter (EKF) design is proposed to estimate unmeasured state variables and key kinetic parameters in a first principles model of a continuous ethylene–propylene–diene polymer (EPDM) reactor. The estimator design is based on decomposing the dynamic model into two subsystems by exploiting the triangular model structure and the different sampling frequencies of on-line and laboratory measurements directly related to the state variables of each subsystem. The state variables of the first subsystem are reactant concentrations and zeroth-order moments of the molecular weight distribution (MWD). Unmeasured state variables and four kinetic parameters systematically chosen to reduce bias are estimated from frequent and undelayed on-line measurements of the ethylene, propylene, diene and total polymer concentrations. The state variables of the second subsystem are first-order moments of the MWD. Given state and parameters estimates from the first subsystem EKF, the first-order moments and three non-stationary parameters added to the model for bias reduction are estimated from infrequent and delayed laboratory measurements of the ethylene and diene contents and number average molecular weight of the polymer. Simulation tests show that the hierarchical EKF generates satisfactory estimates even in the presence of measurement noise and plant/model mismatch.     

基于改进Mean-Shift与自适应Kalman滤波的视频目标跟踪

提出一种改进的Mean-Shift和自适应Kalman滤波器相结合的视频运动目标跟踪算法。对选定的跟踪目标,采用三帧差和区域增长法分割目标并得到主颜色信息。在跟踪过程中,利用自适应的Kalman滤波器估计每一帧的起始迭代位置,再利用改进的Mean-Shift算法得到跟踪位置并作为测量值反馈给自适应Kalman滤波器,并引入遮挡率因子以自适应地调节Kalman估计参数。实验结果表明,该算法能对视频中的运动目标实现检测和连续跟踪,对遮挡也有较好的鲁棒性。     

基于RANSAC和Kalman滤波的足球机器人球速估计算法

针对中型组足球机器人如何有效地估计足球速度的问题,提出了一种基于Kalman滤波和RANSAC算法的新方法。首先对存储的若干帧足球位置信息作Kalman滤波,接着利用这些足球位置信息,建立若干个可能的足球速度模型并运用随机采样一致(RANSAC)算法选出最优的速度模型作为速度值。实验结果验证了该算法的有效性,同时由于RANSAC算法可以有效地去除外点的干扰,因此当足球位置信息具有较大噪声时,该方法可以较准确地估计足球的速度,较以往球速估计的算法具有更高的鲁棒性。     

基于卡尔曼滤波算法的轨迹估计研究

在无线传感器网络中节点定位系统中,基于接收信号强度指示(RSSI)技术的定位算法研究有很多,这种定位技术成本低而且易于实现,但RSSI定位技术因容易受到环境因素的影响,在测距过程中,估测距离的误差很大。在RSSI定位系统的基础上,加入系统噪声和测量噪声,根据系统状态方程和动态系统测量方程,利用卡尔曼滤波算法,对RSSI进行滤波,并估测出移动节点的运动轨迹。仿真结果表明:改进卡尔曼滤波算法提高了移动节点的运动轨迹的定位精度。     

Extended Kalman filtering and weighted least squares dynamic identification of robot

This paper presents an experimental comparison between the weighted least squares (WLS) estimation and the extended Kalman filtering (EKF) methods for robot dynamic identification. Comparative results and discussion are presented for a SCARA robot, depending on a priori knowledge and data filtering.