容积卡尔曼滤波

摘要： 正交变换容积卡尔曼滤波(Transformed Cubature Kalman Filter, TCKF)在不增加计算量的前提下,解决了容积卡尔曼滤波(Cubature Kalman Filter, CKF)的非局部采样问题,滤波性能优于CKF。提出一种量测噪声自适应平方根TCKF(Adaptive-Square Root Transformed Cubature Kalman Filter, A-SRTCKF)算法,对TCKF进行改进,采用QR分解更新误差协方差矩阵的平方根进行滤波运算,并通过估计残差协方差矩阵的方法估计量测噪声。仿真结果表明,所提算法不但解决了因量测噪声未知时变而造成的状态估计精度急剧下降问题,而且避免了因误差协方差矩阵非正定而导致算法异常终止的情况,具有比TCKF更高的估计精度和鲁棒性。

摘要： 针对目标跟踪中运动模型不精确和测量异常导致的传统滤波算法精度下降问题,提出了一种鲁棒平方根连续-离散自适应最大相关熵容积卡尔曼滤波(RSRCD-AMCCKF)算法。在目标跟踪问题中采用了精度更高的连续-离散时间模型,提高了目标跟踪的解算精度;将加权最小二乘方法与传统最大相关熵准则相结合,得到改进的相关熵代价权函数,之后引入连续-离散时间滤波框架,提高了滤波算法在测量异常情况下的鲁棒性;以高斯核函数作为相关熵的调整因子,依据不同测量环境选择自适应因子,进而对观测噪声的协方差矩阵进行调整。仿真结果表明:与传统算法相比,当测量噪声为高斯噪声时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了38.4%和27.3%;当测量噪声为非高斯噪声时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了23.5%和23.9%;当测量值发生突变时,RSRCD-AMCCKF算法对目标位置和速度估计的精度分别提高了12.6%和7.1%。RSRCD-AMCCKF算法在各类测量条件下都具有更高的精度和鲁棒性,更接近目标跟踪的克拉美罗下界,能够较好地实现滤波精度和抗异常测量的统一。

摘要： 针对容积卡尔曼滤波在多源融合定位中存在跟踪能力不强和自适应能力差的问题,在传统容积卡尔曼滤波的基础上,提出了改进自适应抗差容积卡尔曼滤波算法。建立了基于新息的自适应判决准则与修正方法,使得滤波算法能够及时跟踪目标真实状态;引入抗差因子调节观测协方差矩阵,以减小观测值异常问题对滤波精度的影响;采用奇异值分解代替容积卡尔曼中的Cholesky分解,提高数值计算的稳定性。超宽带/惯性导航联合定位实验结果表明,与扩展卡尔曼滤波和容积卡尔曼滤波相比,改进的自适应抗差容积卡尔曼滤波定位精度更高,数值稳定性更好,增强了定位系统在粗差干扰下的鲁棒性。

摘要： 近年来,基于同步相量测量单元(PMU)量测数据的发电机动态状态估计得到广泛研究。然而,现场运行的PMU受多种因素的影响,可能导致作为状态估计输入量的发电机机端电压或电流量测相量存在不良数据,对状态估计产生影响。针对该问题,提出了一种考虑输入量不良数据的发电机动态状态估计方法。在输入量不良数据对动态状态估计影响分析的基础上,该方法利用发电机状态量受动态方程约束不能突变的特性,提出了基于指数平滑的状态量预报方法,将该预报值与发电机动态方程预报值进行比较,提出了输入量不良数据检测方法。进一步,检测到不良数据后用指数平滑预报值代替动态方程的预报值,提出了基于最小二乘法的输入量校正方法。仿真算例结果表明,所提方法能有效抑制输入量不良数据对发电机动态状态估计的影响,提高动态状态估计算法的鲁棒性。

摘要： 针对测量中出现的异常情况,提出了一种基于M估计的自适应鲁棒平方根连续-离散容积卡尔曼滤波算法。该算法将目标跟踪问题建模为连续-离散时间模型,将改进的M估计的思想融入连续-离散容积卡尔曼滤波算法当中,通过Mahalanobis距离对异常测量进行门限判别,引入校正因子,根据观测残差自适应地调整观测噪声协方差矩阵的大小,进一步提高滤波算法的鲁棒性;通过将连续-离散模型与校正因子结合,实现了滤波精度和抗异常测量值的统一。仿真结果表明,与传统鲁棒算法相比,该算法在单点测量异常和多点测量异常的条件下都能够更加准确地对目标进行跟踪,且鲁棒性更强。

摘要： 针对平方根容积卡尔曼滤波(SRCKF)算法精确性和实时性存在的不足,以固定单站无源定位系统为研究对象,提出基于改进SRCKF的固定单站无源定位算法。该算法对SRCKF算法时间更新环节进行线性简化,能避免计算容积点带来的加权近似误差,减少运算量提高效率;引入迭代思想,对量测更新环节进行迭代运算,充分利用量测信息,降低估计误差。仿真结果表明,该算法能有效提高滤波估计精度和运算时效。

摘要： 针对无人机姿态角误差与观测误差影响目标定位精度问题,构建基于辅助信标的无人机协同目标跟踪模型,提高了对目标的定位精度。提出基于辅助信标的姿态校正方法,利用辅助信标的精确位置实时校正无人机的姿态角,减小姿态角误差对定位精度的影响。根据双无人机的最优观测构型,设计双无人机协同控制律,得到无人机观测的优化轨迹,以提高无人机对目标的观测质量,最后采用容积卡尔曼滤波算法得到目标的状态估计。仿真结果表明该算法能有效减小无人机姿态角误差和观测误差对目标定位的影响,提高目标跟踪精度,具有一定的工程应用价值。

摘要： 针对铅酸蓄电池荷电状态(SOC)估计不够精准的问题,提出了基于等效电路模型的递推最小二乘法(RLS)结合容积卡尔曼滤波算法(CKF)的电池SOC估计方法。推导铅酸蓄电池离散空间方程,通过实验得到电池的SOC-OCV拟合曲线,并采用递推最小二乘法进行模型的参数辨识,建立仿真模型对比扩展卡尔曼滤波算法(EKF)和CKF算法对铅酸蓄电池SOC估算的精准度,结果表明CKF算法对SOC的估计效果更佳。

摘要： RAM类目标作为弹道目标,质阻比参数决定其被动段的运动特性,若能估计出质阻比,便能对其弹道方程进行精确建模,对后续的跟踪及拦截有重要的意义,因此,设计了一种质阻比与状态联合估计的跟踪算法。首先,在雷达量测坐标系下建立了RAM类目标动力学模型,将质阻比作为新的状态加入模型中。考虑将质阻比视为常数不满足其慢时变特性的问题,基于一阶马尔科夫模型对质阻比建模。为了提高对该类弹道目标跟踪的稳定性,采用强跟踪CKF算法进行跟踪。仿真结果表明,相比于将质阻比建模为常数,该方法收敛速度提高了40%,状态估计精度提高了30%,在一定外界干扰下也能满足跟踪需求。

摘要： 对飞行器大气数据进行估计是获取飞行状态的重要一环,是实现飞行器控制和稳定飞行的基础。通过研究嵌入式大气数据传感(FADS)系统,提出了基于容积卡尔曼滤波的惯性测量元件(IMU)数据和FADS数据融合算法。该算法对飞行器运动状态建立高阶滤波模型,使用容积点加权求和逼近的方法估计非线性运动模型,滤波输出值经处理后得到马赫数、攻角、侧滑角等大气数据。经仿真实验,算法计算的大气数据较为准确,马赫数误差小于0.01,攻角和侧滑角的误差小于0.1°。

摘要： 纯角度跟踪在过去的几十年中得到了广泛的关注和研究,本文从一个新的视角建立了修正球坐标系下的容积卡尔曼滤波(CKF)算法.这种方法通过解耦状态向量中的可观分量和不可观分量,可以避免协方差矩阵的病态特性.本文针对一个典型的三维纯角度跟踪场景,仿真对比了CKF分别在常用笛卡尔坐标系下和修正球坐标系下的估计均方根误差.大量仿真结果表明,与笛卡尔坐标下建立的CKF算法相比,修正球坐标系下的CKF算法跟踪精度更高,且滤波稳定性显著提升.

摘要： 针对卫星天基测角定位与跟踪精度低的问题,引入容积卡尔曼滤波(cubature Kalman filter,CKF)算法,实现了卫星天基测角定位与跟踪.算法通过3维容积积分定理得到非线性随机函数的均值和方差,避免了计算Jacobian矩阵,且参数选取简单,可得到较高的估计精度.卫星定位跟踪的状态与量测方程均是强非线性的,结合无源定位理论,给出了基于CKF的卫星天基测角定位算法.仿真实验结果表明,该方法实现简单,比扩展卡尔曼滤波(EKF),无迹卡尔曼滤波(UKF)有更高的估计精度和稳定性.

摘要： 本文首先分析容积卡尔曼滤波(CKF)滤波框架,通过改进滤波框架,进一步提出自适应CKF(ACKF)算法,并对BDS/SINS组合导航系统建模,使ACKF能适用于组合导航模型.设计仿真实验仿真车辆在动基座状态下CKF和ACKF的非线性对准,结果表明,在各种噪声条件下ACKF的精度均高于CKF,且稳定性更好.本文对BDS/SINS组合导航系统的设计具有指导意义,其理论成果可以进一步应用于组合导航系统的数据融合.

摘要： 为提高BDS/GPS组合定位系统的精确性和稳定性,将容积卡尔曼滤波(CKF)应用于定位参数估计.由于CKF滤波中,需要协方差误差矩阵的平方根生成积分点,计算误差会影响协方差矩阵的正定性,使滤波精度降低,所以提出一种改进的CKF滤波算法,利用QR分解化简标准CKF滤波过程中的协方差矩阵,避免了计算协方差矩阵平方根的计算误差,保留了原有特征空间信息的特点,从而提高了滤波精度.实验结果表明,该滤波算法在提高定位精度和稳定性上有效、可行.

摘要： 现代战争中,雷达提供的角度信息会使观测量和状态间存在非线性关系,传统的卡尔曼滤波方法无法解决这类问题.本文从非线性目标的滤波跟踪问题入手,建立了传感器滤波跟踪模型,在深入分析高斯滤波方法和球面积分准则的基础上,提出了基于容积卡尔曼滤波(CKF)的非线性目标跟踪算法.仿真结果表明,CKF算法较好的解决了非线性滤波问题,提高了目标跟踪的精度.

摘要： 针对多传感器协同跟踪问题,提出了一种基于Rényi信息增量的多传感器协同跟踪方案.利用容积卡尔曼滤波解决高斯非线性环境下系统状态估计问题,计算了各传感器跟踪目标时的Rényi信息增量;然后以Rényi信息增量最大为原则选择传感器进行目标跟踪;关联仿真结果表明,本文提出的方法能够有效的提高目标跟踪精度,实现了多传感器协同跟踪目标,优化传感器系统的跟踪性能.

摘要： 为了更好地解决非线性系统的状态估计问题,各种新型的滤波算法不断出现.容积卡尔曼滤波是一种基于spherical-radial cubature准则的确定性采样滤波器.本文从贝叶斯递推估计的角度出发,推导出了容积卡尔曼滤波器,并将其应用于惯导系统的大失准角初始对准.通过仿真,与EKF和UKF进行了对比,结果验证了该算法的有效性.

摘要： 为了在不增加运算复杂度的条件下有效提高多目标跟踪的跟踪精度和关联正确率,本文提出了一种采用航向角进行辅助的多目标模糊数据关联新方法。算法首先分析航向和距离信息是区分不同航路的有效参数,然后介绍了航向角的定义及求解方法,即利用当前时刻的雷达测量和前一时刻的滤波状态向量计算目标的测量航向角,并通过容积卡尔曼滤波器(Cubature Kalman Filter,CKF)对包括目标航向在内的状态向量进行更新,利用模糊逻辑推理进行多目标数据关联。实验结果表明,提出算法与传统的最近邻方法(Nearest Neighbor,NN)相比具有较高的关联正确率,与联合概率数据关联方法(Joint Probability Data Association,JPDA)相比,在保证关联正确率的前提下跟踪精度和运算效率均得到了较大提高,更适合工程应用。

摘要： 本文研究了随机集的概率假设密度(PHD)滤波器。在线性高斯情况下，PHD滤波器有解析表达式。然而在实际应用中，PHD滤波器在非线性条件下没有解析解，而且PHD滤波方法无法得到目标的运动轨迹，也不能确定目标的身份。本文在非线性高斯条件下，针对PHD滤波器的局限性，提出了高斯混合CKF-PHD模糊滤波算法：利用测量数据生成新目标密度，采用容积卡尔曼滤波(CKF)和模糊关联方法确定各个目标的运动轨迹。仿真实验验证了本文算法的有效性。

摘要： 本发明公开了一种多尺度卡尔曼滤波与无迹卡尔曼滤波融合的电池SOC估算方法，包括：步骤一、通过电池充放电测试系统和温度箱，对待测电池在不同温度以及不同工况下进行充放电测试，步骤二、根据测试过程中采集待测电池的样本参数构建电池实际容量计算模型，通过计算模型计算得到所述待测蓄电池的实际容量；步骤三、根据所述并根据所述测试过程中采集电池的样本参数建立待测蓄电池的一阶RC等效电路模型，根据基尔霍夫定律可以得到一阶等效电路模型的状态与观测方程；步骤四、利用多尺度自适应无迹卡尔曼滤波算法进行状态估计，输入测试电流和电压，以实际测量端电压与估计值误差最小为目标，获得待测蓄电池的SOC值的最优估计值，即为蓄电池SOC估算值。

摘要： 本发明公开的基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法，具体按照以下步骤实施：步骤1、预先设定k‑1时刻后验强度的高斯混合形式，得到第i个高斯项的均值和协方差；步骤2、对步骤1得到的第i个高斯项的权值、均值和协方差进行一步预测：步骤3、根据步骤2得到的预测结果进行量测更新，得到k时刻各高斯分量的估计值。本发明的基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法，解决非线性系统下的扩展目标跟踪问题和非线性函数的雅克比矩阵不存在或难以求解时的扩展目标跟踪问题，为解决非线性条件下的扩展目标跟踪提出了一种新的实现途径。

摘要： 本发明公开了一种求积更新容积卡尔曼滤波的紧组合导航方法,首先对一步预测概率密度函数和状态后验概率密度函数进行建模，并对SINS/GPS紧组合导航系统进行动态建模；在更新一步预测状态求积点和下一时刻状态求积点时，分别构建系数矩阵F、G和H，建立以求积点误差矩阵相关的线性方程来辅助状态更新；初始时刻的导航参数直接由惯导解算得到，下一时刻的运载体导航误差、惯性元器件误差和GPS接收机时钟误差将作为滤波初值，实时地完成误差估计任务，再将估计后得到的系统状态误差反馈,对下一时刻惯性元件输出进行校正,输出组合导航参数信息。本发明使得组合导航精度有效提高，特别是对于速度和北向位置参数的导航精度提高明显。

摘要： 本发明公开的基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法，具体按照以下步骤实施：步骤1、预先设定k-1时刻后验强度的高斯混合形式，得到第i个高斯项的均值和协方差；步骤2、对步骤1得到的第i个高斯项的权值、均值和协方差进行一步预测：步骤3、根据步骤2得到的预测结果进行量测更新，得到k时刻各高斯分量的估计值。本发明的基于容积卡尔曼滤波的扩展目标概率假设密度滤波方法，解决非线性系统下的扩展目标跟踪问题和非线性函数的雅克比矩阵不存在或难以求解时的扩展目标跟踪问题，为解决非线性条件下的扩展目标跟踪提出了一种新的实现途径。

摘要： 本发明的目的在于提供基于非线性预测滤波与求容积卡尔曼滤波相结合的动基座初始对准方法，包括以下步骤：采集陀螺仪及加速度的输出数据；完成粗对准，初步确定载体的姿态矩阵；建立大方位失准角条件下捷联惯导系统初始对准的非线性误差模型、非线性预测滤波与求容积卡尔曼滤波相结合的非线性滤波器；载体先做匀加速直线运动，然后做匀速直线运动；进行捷联解算，同时测量载体的运动速度；取捷联解算的速度与测量的载体的运动速度作为量测量，利用、建立的非线性滤波器对三个平台误差角进行估计；利用估计出的平台误差角对此时的姿态矩阵进行修正，从而完成初始对准。本发明当海况不佳载体出现大幅晃动时，动基座初始对准对准精度高，收敛速度快。

摘要： 本发明公开一种基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路，属于无线通信领域。本发明包括步骤(1)中频数据与本地数控振荡器产生的信号作相关运算，由六路相关器输出作为强跟踪平方根容积卡尔曼滤波器的量测输入；(2)由滤波器对码相位误差、载波相位误差、载波频率误差及其一阶导数分别进行时间更新得到相应的状态预测值；(3)由滤波器对码相位误差、载波相位误差、载波频率误差及其一阶导数分别进行量测更新得到相应的最优估计值；(4)用步骤(3)得到的最优估计值在每个跟踪周期反馈调整本地数控振荡器。本发明在跟踪环路滤波过程中引入了强跟踪滤波的渐消因子，提高了跟踪环路的鲁棒性，以应对高动态环境下引起的模型失配。

摘要： 本发明公开了一种基于容积卡尔曼滤波器的快速偏振态旋转(RSOP)补偿算法，步骤包括：根据前一离散时刻的RSOP的状态矢量和误差协方差矩阵，计算容积点并且传播容积点，对当前时刻的状态矢量和误差协方差矩阵进行估计；对频偏估计后的数据存在的残余频偏误差进行补偿；同时，利用三阶球面‑相径容积的容积卡尔曼滤波补偿算法结合快速傅里叶变换对振幅和相位的估计，对载波相位噪声进行补偿；将星座点作为对恢复信号的参考基准，利用恢复信号计算得到新息矢量，从而更新状态矢量和误差协方差矩阵，用于下个离散时刻的估计。本发明基于容积卡尔曼滤波算法实现RSOP跟踪和恢复，解决高速偏振复用系统中快速时变RSOP带来的信号畸变问题，提高效率、降低复杂度。

摘要： 本发明涉及导航定位与深度学习技术领域，具体公开了一种改进的衍生容积卡尔曼滤波组合导航方法，根据紧组合模型建立状态方程和量测方程，将伪距测量进行二阶泰勒展开，减少线性化截断带来的量测模型。对SINS和GPS组合导航系统初始化；在时间更新过程中，令CKF采用与KF相同的方式滤波，避免了拥有线性特征的状态方程容积变换而产生额外的计算，在量测更新中，采用容积点计算预测值及其协方差、状态预测值与量测值间的互协方差，保证了CKF处理非线性滤波问题的优良特性并解决了紧组合系统的冗余计算问题。本发明能提高系统的滤波精度，提高滤波器对系统状态的跟踪能力，提高系统状态的实时性，增强SINS/GPS组合导航系统的鲁棒性。

摘要： 本发明提供一种容积卡尔曼滤波器和离散灰色模型的组合导航方法，获取已经过解算的GNSS数据及原始IMU数据；根据状态维数初始化容积点和权重及相关参数矩阵；利用容积型卡尔曼滤波器初始化得到容积点误差；进行时间更新并进行载噪比判别；在载噪比低于第一预设值的卫星数量小于第二预设值的情况下，建立离散灰色模型并计算k+1时刻的高度预测值；基于k+1时刻的高度预测值进行状态更新、容积点更新，计算出全球卫星导航系统与惯性导航系统的组合导航结果。本发明能够降低传统CKF精度随系统上升而下降的误差，同时提高系统在GNSS数据缺失时的水平定位精度，使用DGM(1,1)在垂直通道进行辅助，抑制滤波器在高度定位结果时的误差，能在遮挡环境下更好地进行工作。

摘要： 基于分数阶容积卡尔曼滤波的动力电池SOC估计方法，涉及电池管理系统领域，解决现有技术对锂离子电池的SOC估计方法存在鲁棒性较差，且精度低等问题，本发明方法为：采集动力锂离子电池实验数据，并建立锂离子电池分数阶等效模型；基于分数阶模型输出电压表达式，对分数阶等效电路模型进行参数辨识。基于离散化的分数阶状态方程建立分数阶系统模型方程，对分数阶系统模型方程进行自适应分数阶平方根容积卡尔曼滤波，实现对锂离子电池的SOC的状态估计。本发明将容积卡尔曼滤波算法与分数阶模型相融合，发挥分数阶系统描述扩散等运动的准确性和稳定性，容积卡尔曼滤波算法在处理高维非线性问题比无迹卡尔曼滤波算法和扩展卡尔曼滤波算法滤波效果更好。