基于无迹卡尔曼滤波的双选信道估计方法

针对高速移动场景中由于信道存在时频域选择性衰落(双选衰落)导致正交频分复用(orthogonal frequency division multiplexing, OFDM)通信系统受到子载波间干扰而使通信质量下降的问题,采用基扩展信道模型,在消除子载波间干扰(inter carrier interference, ICI)影响的同时节约信道估计算法的空间复杂度。针对基扩展模型(basis expansion model, BEM)下的非线性信道状态空间模型,采用无迹卡尔曼滤波(unscented Kalman filter, UKF)方法进一步跟踪信道响应提升信道估计精度。仿真分析表明,本研究所提方法能够有效提升信道估计的精度,相对于传统算法具有更好的误码率性能和鲁棒性。     

再入弹道估计中动力学模型和“当前”统计模型的性能比较

飞行器在再入段的弹道可用较为精确的模型描述,利用UKF,分别结合动力学模型和＂当前＂统计模型,对再入弹道（弹道式和机动式）进行了估计,并就其滤波性能进行了对比分析.仿真结果表明,在对弹道式再入飞行器弹道的实时滤波中,BRV-Exp模型要比CS模型更为合适,弹道估计精度得到明显提高;在对机动式再入飞行器弹道的实时滤波中,MRV-Wiener模型并不优于CS模型.     

基于无迹卡尔曼滤波的MIMO-OFDM系统信道估计算法

基于对现有MIMO-OFDM系统信道估计技术及其理论的分析,提出了一种基于无迹卡尔曼滤波（UKF）的信道估计算法。该算法不需要信道的任何先验统计信息,从频域出发,首先利用最小二乘（LS）算法得到导频处信道的粗略估计值,再在时域运用路径捕获法和UKF算法得到信道的精确估计值。仿真结果表明,与LS算法、最小均方（LMS）算法等相比,该算法在较低运算复杂度下可以获得信道估计性能的明显改善。     

基于改进Sage-Husa的自适应无迹卡尔曼滤波的锂离子电池SOC估计

扩展卡尔曼滤波(EKF)算法估计锂离子动力电池荷电状态(SOC)时,由于系统噪声的不确定,可能导致估计算法不精确,并且算法中的线性化处理受电池模型的影响很大。为了解决上述两个问题,本文采用改进Sage-Husa的自适应无迹卡尔曼滤波法(AUKF)来动态地估计多元复合锂离子电池的SOC。与EKF相比,改进Sage-Husa的自适应卡尔曼滤波法提高了SOC估计的精度,并能够实时修正微小的模型误差带来的SOC估计误差,实时的工况模拟证明了该算法更适用于多元复合锂离子电池的动态SOC估计。     

Application of Adaptive Reduced Sigma Points Unscented Kalman Filter to the Tracking of Maneuvering Target

Based on the principle of statistical linear regression, a set of n 2 sigma points instead of 2n 1 sigma points used in the unscented Kalman filter (UKF), is constructed to approximate the system state. And filter accuracy is second order. Real-time of modified UKF is improved. In order to describe accurately the maneuvering target, the "current" statistical model is used. And the equation of acceleration error covariance is modified at every sample time of the filter. The modified adaptive UKF is presented for estimating the position, velocity and acceleration of maneuvering target. Monte Carlo simulations show the modified adaptive UKF acquires good performance for tracking position of maneuvering target. The modified adaptive UKF has better computational efficiency than UKF.     

二维修正弹双核控制系统设计

为提升二维弹道修正精度,保证修正机构的实时性和可靠性,基于DSP和STM32二维弹道修正双核控制系统设计了一款控制器,对信息进行实时处理和计算,保证弹道修正控制功能的实现。首先详细介绍了控制器总体结构及关键功能模块,并依据控制系统工作流程进行软件设计,采用无迹卡尔曼滤波(UKF)对弹道数据进行处理,提升数据测量精度。接着对修正机构进行神经网络PID控制,提升系统实时性和可靠性。最后通过实验仿真进行验证。实验结果表明,该控制系统能满足系统各项设计要求。     

液压支腿回路性能衰退预测方法研究

以某装备液压支腿回路为研究对象,分析回路常见故障机制,提取故障特征参数,基于无迹卡尔曼滤波算法,建立了双向液压锁性能衰退预测模型,构建工作指数指标,确定工作指数的异常阈值,估算双向液压锁工作寿命。基于MATLAB/Simulink模块,搭建双向液压锁仿真模型,设置装备相关作业参数,仿真双向液压锁在其寿命周期内性能随压力、温度的变化趋势。研究结果可为该元件的维修保障方案提供科学指导。     

基于UKF-RSS在线建模的WSN节点跟踪定位算法

在传感器网络中（WSN）锚节点负责接收GPS定位信号,但其使用寿命受能量约束,为了提高传感器网络的生存周期和定位精度,提出基于无迹Calman滤波（UKF）和传感器网络锚节点RSS在线建模的WSN定位算法,实现高效资源管理和利用方式。该算法主要包括位置预测和目标定位两个步骤,利用UKF算法对目标节点的下一位置进行预测,选择开启距离预测位置最近的几个锚节点,关闭无用锚节点,有效降低网络能耗。利用锚节点之间相互信号强弱基于RSS对开启锚节点周围的距离与RSS信号强弱关系进行建模,降低RSS算法对环境的依赖度。实验结果表明该算法能够有效对锚节点的开启/睡眠进行管理,并可降低环境依赖性,从而实现负载均衡降低能耗和提高定位精度的效果。     

一种新的进化裂变粒子滤波算法

针对经典自举粒子滤波中的重要性函数选取和重采样所导致的样本枯竭问题,提出了一种基于进化裂变的改进粒子滤波算法．该算法首先采用无迹卡尔曼滤波算法产生重要性函数,然后对重要性采样粒子进行裂变通过进化策略更新粒子集以增加粒子多样性,从而克服经典自举滤波重采样过程中的粒子退化问题．仿真实验表明,该算法能有效地提高跟踪精度, 跟踪性能优于经典粒子滤波算法．     

非线性系统传感器偏差故障的UKF递推检测方法

针对传统的推广卡尔曼滤波器方法(EKF)的不足,为检测非线性系统传感器的偏差型故障,提出了一种新的基于unscented卡尔曼滤波(UKF)的实时递推检测算法,该方法应用UKF作为传感器故障残差发生器,并利用残差加权平方和检测策略进行故障的检测.仿真结果表明,与基于EKF的传感器故障检测方法相比,该方法有更好的故障预示能力,并提高了故障检测的准确率.