Unscented卡尔曼滤波

摘要： 传统的滤波方法一般基于线性化和高斯假设,在一定程度上影响了滤波精度和非线性系统故障诊断的准确率.该文从"近似非线性"和"近似概率"的方法入手,分析3种常用的非线性滤波算法:扩展卡尔曼滤波器(EKF)、U-卡尔曼滤波器(UKF)以及粒子滤波器(PF)的原理、方法及特点并介绍其在非线性故障诊断中的应用价值.%Traditional filtering methods are generally based on linearization or Gaussian hypothesis, which may influence the filtering precision and lead to low diagnosis precision to a certain extent. In this paper,from "approximate nonlinearity"and "approximate probability",the principles,methods,char-acteristics of three widely used methods for estimation of nonlinear system,i. e. ,Extended Kalman Filter (EKF),Unscented Kalman Filter(UKF),and Particle Filter(PF)are analyzed,and finally the applica-tion in fault diagnosis are introduced.

摘要： 针对单载波频域均衡系统中载波频偏估计问题,建立非线性状态空间模型,提出Unscented高斯粒子滤波(UGPF)频偏估计算法.在时间更新中,利用高斯粒子滤波(GPF)对待估状态变量的状态后验及预测概率分布进行高斯近似,压缩重采样处理环节,能有效缓解粒子退化对滤波性能影响;量测更新中,引入Unscented卡尔曼构造重要密度函数,融合最新观测值对粒子样本进行修正,优化滤波算法性能.仿真结果表明,该算法较最大似然(ML)、标准粒子滤波(SPF)及高斯粒子滤波算法具有更高的估计精度与更快的收敛速度,在非高斯噪声条件下仍具有较好的频偏跟踪性能.

摘要： In order to solve the problem that the linearization of the nonlinear process of the SITAN seabed terrain aided navigation algorithm is prone to instability and even the filtering divergence, a seabed terrain aided navigation algorithm based on unscented Kalman filter is proposed. This algorithm does not need nonlinear state and observa⁃tion equations to be linearized, directly using the unscented transform ( UT) to approximate probability density dis⁃tribution of nonlinear functions, and obtains the mean and variance of the transformed point set. It uses the seabed terrain SEAMAPnewHill100 as real terrain data to test this algorithm. The experimental results show that the algo⁃rithm is more precise and robust than the traditional algorithms.%为了解决SITAN海底地形辅助导航算法将非线性过程线性化，容易产生不稳定甚至滤波发散的问题，提出了一种基于Unscented卡尔曼滤波的海底地形辅助导航算法，该算法无需对非线性系统的状态方程和观测方程进行线性化，直接采用UT变换（ unscented transform， UT）近似非线性函数的概率密度分布，并求取变换后的点集的均值和方差。利用海底地形SEAMAPnewHill100为真实海底地形数据对算法进行了测试。实验结果表明，该算法较传统算法有较强的精确性和鲁棒性。

摘要： 电力系统短期负荷一般随着时间的变化呈现一定的范围性、非线性的波动.对于非线性短期电力负荷,传统的卡尔曼滤波预测方法难以取得令人满意的结果.为了快速准确高效地预测非线性电力负荷,研究了基于Unscented卡尔曼滤波的,以历史负荷数据、随机干扰因素作为输入的短期电力负荷预测方法.利用该算法对某地夏季9天电力负荷数据进行建模,采用基于脉冲响应序列的Hankel矩阵法辨识模型的阶.并将Unscented算法预测负荷数据与实测负荷数据及传统卡尔曼滤波预测数据进行对比分析,仿真结果证明基于Unscented卡尔曼滤波方法预测非线性负荷是实用而有效的,不仅预测精度较高,而且模型收敛速度快,滤波器稳定性高.为复杂的非线性负荷电力系统模型化提供了一条新途径.

摘要： This thesis suggests an autonomous celestial navigation method which is based on celestial observation,which uses the angle informa-tion of Mars and its satellites( starlight angular distance),combined with the movement model of Mars probe. Then we can figure out the precise position( real time)of Mars probe with Unscented Kalman filter. The result from computer simulation proved to be effective.%提出了一种基于天文观测的火星探测器自主天文导航方法，该方法利用由星敏感器视场内测量得到的火星及其卫星和某一恒星之间的星光角距，结合火星探测器的运动模型，通过Unscented卡尔曼滤波方法，即可获得高精度的火星探测器实时位置信息，计算机仿真结果证明了该方法的有效性。

摘要： In order to improve the positioning accuracy of pseudo-satellite, this paper presents a pseudo-satellite positioning algorithm based on research satellite ephemeris errors pseudo pass laws and pseudorange observation equation linearization error. First, the algorithm estimates the position coordinates of pseudolite to reduce the impact of ephemeris errors on the accuracy of the navigation. Then, the user is positioned by using Unscented-Kalman filter. The simulation results show that the algorithm is better than Extended-Kalman filter, and the positioning accuracy of the pseudolite independent networking system has been improved.%为了提高伪卫星的定位精度，在研究伪卫星星历误差传递规律和伪距观测方程线性化误差的基础上，提出一种最小二乘Unscented卡尔曼滤波算法。该算法首先利用最小二乘法估计出伪卫星的位置误差，并对伪卫星的位置进行修正，以减小伪卫星位置误差对导航解算精度的影响；然后利用无迹卡尔曼滤波算法对用户位置进行解算。仿真结果表明，与传统的扩展卡尔曼滤波算法相比，提出的算法能够有效减小伪卫星位置误差对用户定位精度的影响，提高独立组网伪卫星系统的定位精度。

摘要： 为解决扩展卡尔曼滤波算法(EKF)在处理角测量跟踪问题时对复杂非线性状态估计收敛速度慢、估计精度低的问题,引入一种平方根容积卡尔曼滤波算法(SRCKF)。SRCKF是一类sigma点滤波方法,基于容积原则的数值积分方法计算非线性随机函数的均值与协方差,避免了EKF中Jacobian矩阵的计算,有效提高了计算效率。另外,与一般容积卡尔曼滤波算法相比,SRCKF确保了状态协方差矩阵的对称性与半正定性,有效改进了数值精度和鲁棒性。将SRCKF应用于角测量跟踪系统中,仿真结果表明,SRCKF、Unscented卡尔曼滤波(UKF)滤波精度较传统EKF有较大提高,同时,与UKF相比,SRCKF能以较快的运行效率获得较好的滤波效果。

摘要： 针对疲劳驾驶检测中现存的一些难点,提出了一种新颖的驾驶员眼睛定位与跟踪方法.首先采用Gamma校正和图像自商算法对红外光源采集到的驾驶员行车图像进行预处理,进而采用基于Haar-like特征的AdaBoost算法初定位驾驶员眼眉区域,并在此基础上采用眼眉区域15点ASM(Active Shape Models)模型来准确定位驾驶员的眼睛区域,最后采用了Unscented卡尔曼滤波算法完成驾驶员眼睛的实时跟踪.实验结果表明,该算法不仅可以提高对光照、姿态变化以及驾驶员眼睛运动的强非线性问题的鲁棒性,同时对驾驶员配戴眼镜的情况也能得到较为理想的处理结果.

摘要： 提出一种新的基于Cubature卡尔曼滤波的强跟踪滤波算法(CKF-STF)。该算法基于强跟踪滤波的理论框架,采用三阶Cubature采样积分代替传统强跟踪滤波中的雅可比矩阵求解,并给出了适用于一般非线性系统的强跟踪滤波算法的线性等价描述。新算法不仅具有强跟踪滤波鲁棒性强的优点,而且继承了CKF算法处理非线性系统的能力。采用具有实际应用背景的目标纯方位跟踪仿真实例验证CKF-STF算法,结果表明该算法不仅精度高,而且实现简单。

摘要： 论文阐述了单轴旋转调制技术对捷联惯导系统误差抑制的原理,针对单轴旋转捷联惯导系统的初始对准,推导了大失准角误差条件下非线性初始对准误差模型,同时为充分利用惯导系统输出信息,提出了一种“加速度+速度”的非线性观测模型；根据系统误差方程和观测方程同时非线性,设计了一种Unscented卡尔曼滤波算法,并对静基座单轴旋转SINS初始对准进行了仿真试验.结果表明,采用该算法水平和方位对准在较短时间内都能达到较高精度,同时对加速度计零偏和三个陀螺漂移实现有效标定.

摘要： 针对常用高动态GPS频率估计算法扩展卡尔曼滤波(EKF)由于对模型进行简单线性化而造成的估计精度低与失锁门限高等缺陷,引入了一种新的线性滤波算法unscented卡尔曼滤波(UKF)进行频率估计。该算法不需要对非线性模型进行线性化,而是利用一系列Sigma采样点,通过unscented变换(UT)来进行状态与协方差阵的递推与更新。仿真实验结果表明新算法的估计精度远高于EKF,失锁门限也比EKF低约1dB,估计性能得到了改善。

摘要： 在各种非线性滤波技术中,扩展卡尔曼滤波(EKF)是一种最简单的算法,它将卡尔曼滤波(KF)局部线性化,适用于弱非线性、高斯环境下。Unscented卡尔曼滤波(UKF)用一系列确定样本来逼近状态的后验概率密度,适用于高斯环境下的任何非线性系统。粒子滤波(PF)用随机样本来近似状态的后验概率密度,适用于任何非线性非高斯环境,但有时选择的重要性分布函数与真实后验有较大差异,从而导致滤波结果存在较大误差,而Unscented粒子滤波(UPF)正好克服了这一不足,它先通过UKF产生重要性分布,再运用PF算法。通过仿真实验,对四者的性能进行比较,结果证明,在非线性非高斯环境下,UPF的性能明显优于另外三种滤波器。

摘要： 在各种非线性滤波技术中,扩展卡尔曼滤波(EKF)是一种最简单的算法,它将卡尔曼滤波(KF)局部线性化,适用于弱非线性、高斯环境下。Unscented卡尔曼滤波(UKF)用一系列确定样本来逼近状态的后验概率密度,适用于高斯环境下的任何非线性系统。粒子滤波(PF)用随机样本来近似状态的后验概率密度,适用于任何非线性非高斯环境,但有时选择的重要性分布函数与真实后验有较大差异,从而导致滤波结果存在较大误差,而Unscented粒子滤波(UPF)正好克服了这一不足,它先通过UKF产生重要性分布,再运用PF算法。通过仿真实验,对四者的性能进行比较,结果证明,在非线性非高斯环境下,UPF的性能明显优于另外三种滤波器。

摘要： 在各种非线性滤波技术中,扩展卡尔曼滤波(EKF)是一种最简单的算法,它将卡尔曼滤波(KF)局部线性化,适用于弱非线性、高斯环境下。Unscented卡尔曼滤波(UKF)用一系列确定样本来逼近状态的后验概率密度,适用于高斯环境下的任何非线性系统。粒子滤波(PF)用随机样本来近似状态的后验概率密度,适用于任何非线性非高斯环境,但有时选择的重要性分布函数与真实后验有较大差异,从而导致滤波结果存在较大误差,而Unscented粒子滤波(UPF)正好克服了这一不足,它先通过UKF产生重要性分布,再运用PF算法。通过仿真实验,对四者的性能进行比较,结果证明,在非线性非高斯环境下,UPF的性能明显优于另外三种滤波器。

摘要： 在各种非线性滤波技术中,扩展卡尔曼滤波(EKF)是一种最简单的算法,它将卡尔曼滤波(KF)局部线性化,适用于弱非线性、高斯环境下。Unscented卡尔曼滤波(UKF)用一系列确定样本来逼近状态的后验概率密度,适用于高斯环境下的任何非线性系统。粒子滤波(PF)用随机样本来近似状态的后验概率密度,适用于任何非线性非高斯环境,但有时选择的重要性分布函数与真实后验有较大差异,从而导致滤波结果存在较大误差,而Unscented粒子滤波(UPF)正好克服了这一不足,它先通过UKF产生重要性分布,再运用PF算法。通过仿真实验,对四者的性能进行比较,结果证明,在非线性非高斯环境下,UPF的性能明显优于另外三种滤波器。

摘要： 在各种非线性滤波技术中,扩展卡尔曼滤波(EKF)是一种最简单的算法,它将卡尔曼滤波(KF)局部线性化,适用于弱非线性、高斯环境下。Unscented卡尔曼滤波(UKF)用一系列确定样本来逼近状态的后验概率密度,适用于高斯环境下的任何非线性系统。粒子滤波(PF)用随机样本来近似状态的后验概率密度,适用于任何非线性非高斯环境,但有时选择的重要性分布函数与真实后验有较大差异,从而导致滤波结果存在较大误差,而Unscented粒子滤波(UPF)正好克服了这一不足,它先通过UKF产生重要性分布,再运用PF算法。通过仿真实验,对四者的性能进行比较,结果证明,在非线性非高斯环境下,UPF的性能明显优于另外三种滤波器。

摘要： 扩展卡尔曼滤波(EKF)是在非线性系统中常用的一种滤波方法,Unscented卡尔曼滤波(UKF)是一种新的非线性滤波方法,其主要特点是与EKF一样传递状态的前两阶矩,但不用计算Jacobian矩阵.本文将EKF和UKF分别应用到GPS/INS组合导航系统中,解算结果表明UKF比EKF更适合于在GPS/INS系统中使用.从滤波结果中可以看出，UKF的滤波误差曲线几乎在滤波一开始就已经收敛，而且曲线的趋势在整个滤波过程中也比较稳定，没有出现发散的趋势。这是因为:UKF方法中的Sigma点的选取规则保证了系统的一阶和二阶(均值和方差)精度，从而避免了线性化系统误差带来的截断误差。因此，可以得出以下结论:UKF与EKF相比具有滤波精度高、收敛速度快、容易实现等优点，更适合在GPS/INS组合导航系统中使用。

摘要： 扩展卡尔曼滤波(EKF)是在非线性系统中常用的一种滤波方法,Unscented卡尔曼滤波(UKF)是一种新的非线性滤波方法,其主要特点是与EKF一样传递状态的前两阶矩,但不用计算Jacobian矩阵.本文将EKF和UKF分别应用到GPS/INS组合导航系统中,解算结果表明UKF比EKF更适合于在GPS/INS系统中使用.从滤波结果中可以看出，UKF的滤波误差曲线几乎在滤波一开始就已经收敛，而且曲线的趋势在整个滤波过程中也比较稳定，没有出现发散的趋势。这是因为:UKF方法中的Sigma点的选取规则保证了系统的一阶和二阶(均值和方差)精度，从而避免了线性化系统误差带来的截断误差。因此，可以得出以下结论:UKF与EKF相比具有滤波精度高、收敛速度快、容易实现等优点，更适合在GPS/INS组合导航系统中使用。

摘要： 扩展卡尔曼滤波(EKF)是在非线性系统中常用的一种滤波方法,Unscented卡尔曼滤波(UKF)是一种新的非线性滤波方法,其主要特点是与EKF一样传递状态的前两阶矩,但不用计算Jacobian矩阵.本文将EKF和UKF分别应用到GPS/INS组合导航系统中,解算结果表明UKF比EKF更适合于在GPS/INS系统中使用.从滤波结果中可以看出，UKF的滤波误差曲线几乎在滤波一开始就已经收敛，而且曲线的趋势在整个滤波过程中也比较稳定，没有出现发散的趋势。这是因为:UKF方法中的Sigma点的选取规则保证了系统的一阶和二阶(均值和方差)精度，从而避免了线性化系统误差带来的截断误差。因此，可以得出以下结论:UKF与EKF相比具有滤波精度高、收敛速度快、容易实现等优点，更适合在GPS/INS组合导航系统中使用。

摘要： 扩展卡尔曼滤波(EKF)是在非线性系统中常用的一种滤波方法,Unscented卡尔曼滤波(UKF)是一种新的非线性滤波方法,其主要特点是与EKF一样传递状态的前两阶矩,但不用计算Jacobian矩阵.本文将EKF和UKF分别应用到GPS/INS组合导航系统中,解算结果表明UKF比EKF更适合于在GPS/INS系统中使用.从滤波结果中可以看出，UKF的滤波误差曲线几乎在滤波一开始就已经收敛，而且曲线的趋势在整个滤波过程中也比较稳定，没有出现发散的趋势。这是因为:UKF方法中的Sigma点的选取规则保证了系统的一阶和二阶(均值和方差)精度，从而避免了线性化系统误差带来的截断误差。因此，可以得出以下结论:UKF与EKF相比具有滤波精度高、收敛速度快、容易实现等优点，更适合在GPS/INS组合导航系统中使用。

摘要： 一种用于超声波水表数据滤波的卡尔曼滤波参数调试方法，首先在状态方程中引入这一时刻与上一时刻的变化，然后我们对各种温度、流速下的卡尔曼滤波最优参数进行非线性分析，进而提供了一种准确的描述超声波水表卡尔曼滤波最优参数的变化规律，寻找到超声波水表卡尔曼滤波最优参数的方法。本发明提升超声波水表的测量精度。

摘要： 本发明是一种基于卡尔曼滤波新息与残差相关的数据滤波方法，属于计算机数据信号处理领域。本发明解决标准卡尔曼滤波对线性系统滤波估计时量测噪声方差阵未知，出现信号滤波效果不好，甚至出现滤波发散的问题。本发明针对离散线性系统模型，采集信号处理系统的量测序列构建滤波新息序列和残差序列；挖掘量测噪声方差阵与新息序列和残差序列的协方差矩阵的关系，通过计算新息序列和残差序列的协方差矩阵实时估计量测噪声方差阵，再带入标准卡尔曼滤波器进行实时滤波。本发明方法具有对实际噪声统计特性发生变化的跟踪能力，不易受外界量测扰动的影响，保证了量测噪声方差阵估计时的非负定性，消除了因噪声方差阵估计负定所引起的滤波发散现象。

摘要： 本发明公开了一种基于粒子滤波和卡尔曼滤波的蓝牙定位方法，包括：接收采集的信标的信息数据；判断信息数据中RSSI值最强信标M是否处于楼层切换位置，若是则输出信标M的坐标作为标签当前的位置信息；否则筛选RSSI值大于信号强度阈值的信标信息形成定位数据集；若定位数据集为空则输出上一次的标签位置信息作为标签当前的位置信息；否则根据定位数据集采用粒子滤波算法预估标签的位置，并采用卡尔曼滤波算法修正粒子滤波算法预估的位置，再利用限幅滤波算法修正卡尔曼滤波算法修正后的标签的位置，输出限幅滤波算法修正后的位置作为标签当前的位置信息。本发明规避信号不稳定造成的测距不准，显著提高蓝牙定位的精度。

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： 本发明涉及种基于卡尔曼滤波算法的色谱滤波方法、装置、存储介质、系统。该方法包括；获取用于提取状态信息的色谱峰；建立所述色谱峰形成过程的状态方程、观测方程；获取待检测样本的色谱峰；根据状态方程、观测方程对待检测样本的色谱峰进行实时滤波降噪。通过对色谱峰进行估计，能够得到更加准确的色谱峰信号，较大程度的去除随机噪声对谱峰的影响，解决检测结果不准确、检测效率低的问题。

摘要： 本发明涉及一种适用于位姿测量卡尔曼滤波的滤波器更新信息筛选方法，包括：持续获取并存储带有时间戳信息的IMU测量数据、IMU解算结果和外部位姿观测结果；选取最新获取的和临近的两帧外部位姿观测结果，按照时间戳最接近再选取出两帧IMU解算结果；根据外部位姿观测结果和IMU解算结果求取相对偏差；相对偏差不超出偏差阈值范围，则将最新获取外部位姿观测结果作为外部观测量，进行卡尔曼滤波器状态向量的更新；利用更新的对应时刻的卡尔曼滤波器状态向量和该时刻之后已存储的IMU测量数据重新进行捷联惯导解算，更新位姿测量结果。本发明提升位姿测量结果准确性，既保证有效的观测数据及时接入滤波器，又避免不合理的观测数据对滤波器的破坏。

摘要： 本发明公开了一种基于卡尔曼滤波的水表滤波方法，包括：构建初始卡尔曼滤波滤波模型；对初始卡尔曼滤波滤波模型中的Q值按预设Q值计算公式进行优化以获得第一优化卡尔曼滤波滤波模型；对所述第二优化卡尔曼滤波滤波模型中的R值按预设R值计算公式进行优化以获得第二优化尔曼滤波滤波模型；根据所述第二优化尔曼滤波滤波模型对采集的水表数据进行滤波。本发明还公开了一种基于卡尔曼滤波的水表滤波系统、计算机设备及可读存储介质。采用本发明，能够解决现有基于卡尔曼滤波的水表滤波技术存在的问题，进而提高水表测量的精准度。

摘要： 本发明公开了一种基于改进卡尔曼滤波算法的色谱峰滤波方法及系统，该方法包括以下步骤：S1、预先将与待测样本相同的样本进行液质串联质谱检测，以获取的色谱图中的一个特征色谱峰为基础建立折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程：S2、采用步骤S1建立的折线式的卡尔曼滤波状态方程和卡尔曼滤波的观测方程对后续待测样品的色谱峰进行滤波。本发明提供的基于改进卡尔曼滤波算法的色谱峰滤波方法具有降噪效果好、实时性高、易于实现等优点；本发明对卡尔曼滤波进行了改进，状态方程采用分段线性方式描述，这样做降低了计算量，增强了实时性。

摘要： 本发明提供了一种基于卡尔曼滤波与显式互补滤波的姿态融合算法，属于传感器数据采集与融合集成技术领域。包括如下步骤：步骤1，选用多轴姿态传感器，将多轴姿态传感器中的加速计的加速度及陀螺仪的角速度进行卡尔曼滤波，输出a、ω；步骤2，将a、ω通过四元数法转换成四元数向量；以及步骤3，将四元数向量进行显示互补滤波融合计算输出俯仰角θ、横滚角Φ以及偏航角ψ。因为在本发明中，姿态传感器实时采集加速度、角速度的六个参数，并通过卡尔曼滤波与显式互补滤波进行姿态融合，所以可以避免使用加速度计和陀螺仪时造成的误差，得到精确的俯仰角θ、横滚角Φ以及偏航角ψ，在多旋翼无人机的姿态估计中具有广泛的应用前景。

摘要： 本发明公开了一种基于强跟踪滤波的高阶扩展卡尔曼滤波器设计方法。本发明将状态模型中的高阶多项式定义为系统的隐变量，并将状态模型等价改写成基于原始变量和隐变量相结合的伪线性模型；视高阶隐变量为系统的各阶加性参数，再通过对它们之间进行随机动态建模，建立起由状态与参数相结合的扩维线性状态模型；对测量模型进行相应处理，建立基于状态与参数相结合的扩维线性测量模型；然后对扩维后的模型进行进一步的初始化，滤波器迭代，时间更新和测量更新，设计得到基于强跟踪滤波的高阶扩展卡尔曼滤波器。本发明在解决状态模型和观测模型为强非线性情况下的估计精度低，计算成本高，鲁棒性差等问题，可以应用到非线性动态系统的目标跟踪领域。