扩展Kalman滤波

摘要： 针对无人机在使用全球定位系统(GPS)/惯性测量单元(IMU)的位置信息融合方法时,存在积分累积误差,且由外界因素导致飞行器上的GPS传感器的信号变弱甚至丢失时,产生位置信息误差过大的问题,提出基于光流传感器的位置信息融合方法,建立光流传感器/超声波传感器/IMU/GPS的扩展Kalman滤波信息融合模型,获得更精准的位置信息。该方法引入了光流传感器,将其与IMU融合后的速度信息和超声波传感器的高度信息作为扩展Kalman滤波器中的预测量,观测量为GPS提供的位置信息和高度信息,最后融合得到精准的位置信息。仿真实验结果表明,该算法能更精准地获取无人机的位置信息,有效地解决位置信息误差大的问题,帮助飞行器更好地完成飞行任务,具有极高的工程应用价值。

摘要： 器件内部的热耗散系数信息反映了内部器件的工作状况。但是受客观条件的限制,内部的热耗散系数信息无法直接测量,因此需要通过可测量的间接信息,识别内部耗散系数信息,从而实时监测发热器件的工作状况。上述问题数学上可描述为,利用可测量信息,探求内部热耗散系数的不确定信息,进而给出器件工作的指导建议。基于上述原因,考虑在随机噪音模型下,利用可测边界的不确定性信息,识别内部阻尼系数(热耗散系数)。这是一个非线性的热传导反问题,故基于扩展Kalman滤波、全变差,设计反演算法识别热耗散系数。数值实验表明该算法可有效地识别边界阻尼系数。

摘要： 非线性系统的状态估计问题是现代控制理论研究中不可或缺的一部分。提出一种基于扩展Kalman滤波的鲁棒融合状态估计算法,它是在已有的扩展Kalman滤波算法的基础上,通过引入CI状态融合来实现的。融合算法的引入能有效填补扩展Kalman滤波器在模型线性化时所带有的精度损失;CI融合算法因为避免了局部估计误差互协方差的计算而变得简单易行,尤其便于实际工程应用。仿真实验结果表明了所提出的多传感器非线性离散系统的CI融合状态估计算法可有效减少估计误差,具有一定的有效性和可行性。

摘要： 非线性系统的状态估计问题是现代控制理论研究中不可或缺的一部分.提出一种基于扩展Kalman滤波的鲁棒融合状态估计算法,它是在已有的扩展Kalman滤波算法的基础上,通过引入CI状态融合来实现的.融合算法的引入能有效填补扩展Kalman滤波器在模型线性化时所带有的精度损失;CI融合算法因为避免了局部估计误差互协方差的计算而变得简单易行,尤其便于实际工程应用.仿真实验结果表明了所提出的多传感器非线性离散系统的CI融合状态估计算法可有效减少估计误差,具有一定的有效性和可行性.

摘要： 针对多目标跟踪中因目标遮挡而导致跟踪过程中身份交换频繁的问题,提出一种行人多目标跟踪算法.该算法首先使用YOLOv4作为检测器,检测出目标并确定检测框坐标,利用扩展Kalman滤波器对轨迹进行预测;然后用匈牙利算法作为数据关联模块,采用级联匹配方法将扩展Kalman滤波预测的检测框与目标检测的检测框进行匹配,并将发生遮挡的目标加入轨迹异常修正算法;最后在数据集M O T 16的测试集上进行实验.实验结果表明,该算法取得了56.5％ 的跟踪准确度,且对遮挡现象效果良好,有效改进了对目标遮挡身份频繁切换以及遮挡引起的目标丢失的问题.

摘要： 针对GPS信号丢失导致组合导航算法精度降低甚至发散的难题,开展一种高效的自适应平滑切换融合算法研究.在GPS信号正常情况下,采用基于GPS量测的高阶组合导航算法估计姿态信息;在GPS信号丢失时,停止高阶滤波算法并切换为基于四元数的低阶姿态估计算法;当GPS信号恢复后,将低阶姿态估计算法的估计值作为高阶滤波算法初值,实现姿态估计算法的平滑切换.仿真结果和试飞试验表明,该切换策略具有较好的估计精度和可实现性,且切换过程中姿态角跳变小于0.5°,收敛时间小于0.1 s,有效地提高了有、无GPS信号情况下无人机的姿态估计精度.

摘要： 为提高基于超宽带的室内定位精度,设计了一种超宽带和惯性导航组融合定位方法.首先,采用基于改进马氏距离的异常值检测方法对超宽带测距过程中的异常值进行了剔除;然后,采用紧耦合滤波以超宽带测距值作为扩展Kalman滤波观测量,以惯性导航的位姿信息作为扩展Kalman滤波预测量,通过超宽带测距来不断校正惯性导航解算的数据融合定位方法.针对定位环境基站多功率消耗大且远距离基站观测数据非视距问题影响定位精度,提出了一种基于协方差矩阵迹作为度量信息的最优基站选择算法.采用传统轮询方法和最优基站选择方法对小车进行了矩形运动实验,实验结果表明:相比传统的轮询算法,采用最优基站选择方法的定位精度提高了15.3％,验证了本文方法的有效性.

摘要： 为解决锂电池荷电状态(SoC)难以精确估计的问题,提出了极化电压修正模型(VCM)和改进天牛须优化扩展Kalman滤波算法(IBAS-EKF)共同实现电池SoC的精确估计。在建立3阶RC电池模型和参数辨识的基础上,使用Elman循环神经网络对模型极化电压实现在线修正和优化,形成VCM模型;采用改进天牛须搜索算法优化扩展Kalman滤波算法的系统噪声协方差矩阵和量测噪声协方差矩阵,形成IBAS-EKF锂电池SoC估计算法。在测试平台上进行城市道路循环工况试验,结果表明:基于VCM模型的IBAS-EKF锂电池SoC估计算法的各项误差指标均低于传统的SoC估计算法,估计误差在0.6%以内,效果满足实际工程要求。

摘要： 路面状况和行驶状态的准确识别是车辆安全行驶和主动控制的重要依据.为了验证车辆行驶状态和路面附着系数估计的有效性,建立了包含Dugoff轮胎模型的四轮三自由度整车仿真模型,提出了基于扩展Kalman滤波理论的车辆行驶状态与路面附着系数估计算法.车辆在设定的双移线路面附着系数分别为0.8、0.7、0.6的工况下进行仿真,对比车辆的运动状态和车辆转向输入激励的趋势的一致性,验证了该模型的合理性.结合该模型计算出的Dugoff轮胎模型纵向和侧向归一化力,通过Matlab编程实现扩展卡尔曼算法估计,算法估算得到的汽车行驶状态参量和路面附着系数与仿真值进行对比.通过结果对比表明,车辆行驶状态估计值与Simulink数值解的均方根误差(RMSE)指标最大值不大于0.03,由于轮胎与路面是动态接触,路面附着系数呈上下波动状,实现了对车辆行驶状态参量和路面附着系数的实时估计,为重型车辆稳定性控制提供了理论基础.

摘要： 我国北斗卫星导航系统正处于建设阶段,由区域性服务向全球服务发展.卫星导航系统主要依托地面运控支持,一旦地面运控系统因自然灾害或人为因素而遭到破坏,卫星导航系统将会陷入瘫痪,PNT服务质量将无法保证.另一方面,我国卫星导航系统无法实现全球布站,一旦卫星出境,将无法更新导航电文,而PNT服务质量变差.因此,为了增强卫星导航系统的抗打击、抗摧毁能力以及实现我国卫星导航系统全球PNT服务,卫星导航系统需具备独立自主运行能力.本文主要针对导航卫星自主运行时卫星轨道确定方法及定轨精度影响因素进行分析,实际工程中卫星导航系统自主运行星载处理能力以及存储容量十分有限时,通过采用扩展Kalman滤波来完成定轨实现卫星轨道确定,通过理论分析轨道动力学模型误差和观测误差对定轨结果的影响.实验计算证明,卫星轨道动力学模型误差和观测误差都会导致扩展Kalman滤波定轨结果发散.

摘要： 我国北斗卫星导航系统正处于建设阶段,由区域性服务向全球服务发展.卫星导航系统主要依托地面运控支持,一旦地面运控系统因自然灾害或人为因素而遭到破坏,卫星导航系统将会陷入瘫痪,PNT服务质量将无法保证.另一方面,我国卫星导航系统无法实现全球布站,一旦卫星出境,将无法更新导航电文,而PNT服务质量变差.因此,为了增强卫星导航系统的抗打击、抗摧毁能力以及实现我国卫星导航系统全球PNT服务,卫星导航系统需具备独立自主运行能力.本文主要针对导航卫星自主运行时卫星轨道确定方法及定轨精度影响因素进行分析,实际工程中卫星导航系统自主运行星载处理能力以及存储容量十分有限时,通过采用扩展Kalman滤波来完成定轨实现卫星轨道确定,通过理论分析轨道动力学模型误差和观测误差对定轨结果的影响.实验计算证明,卫星轨道动力学模型误差和观测误差都会导致扩展Kalman滤波定轨结果发散.

摘要： 我国北斗卫星导航系统正处于建设阶段,由区域性服务向全球服务发展.卫星导航系统主要依托地面运控支持,一旦地面运控系统因自然灾害或人为因素而遭到破坏,卫星导航系统将会陷入瘫痪,PNT服务质量将无法保证.另一方面,我国卫星导航系统无法实现全球布站,一旦卫星出境,将无法更新导航电文,而PNT服务质量变差.因此,为了增强卫星导航系统的抗打击、抗摧毁能力以及实现我国卫星导航系统全球PNT服务,卫星导航系统需具备独立自主运行能力.本文主要针对导航卫星自主运行时卫星轨道确定方法及定轨精度影响因素进行分析,实际工程中卫星导航系统自主运行星载处理能力以及存储容量十分有限时,通过采用扩展Kalman滤波来完成定轨实现卫星轨道确定,通过理论分析轨道动力学模型误差和观测误差对定轨结果的影响.实验计算证明,卫星轨道动力学模型误差和观测误差都会导致扩展Kalman滤波定轨结果发散.

摘要： 我国北斗卫星导航系统正处于建设阶段,由区域性服务向全球服务发展.卫星导航系统主要依托地面运控支持,一旦地面运控系统因自然灾害或人为因素而遭到破坏,卫星导航系统将会陷入瘫痪,PNT服务质量将无法保证.另一方面,我国卫星导航系统无法实现全球布站,一旦卫星出境,将无法更新导航电文,而PNT服务质量变差.因此,为了增强卫星导航系统的抗打击、抗摧毁能力以及实现我国卫星导航系统全球PNT服务,卫星导航系统需具备独立自主运行能力.本文主要针对导航卫星自主运行时卫星轨道确定方法及定轨精度影响因素进行分析,实际工程中卫星导航系统自主运行星载处理能力以及存储容量十分有限时,通过采用扩展Kalman滤波来完成定轨实现卫星轨道确定,通过理论分析轨道动力学模型误差和观测误差对定轨结果的影响.实验计算证明,卫星轨道动力学模型误差和观测误差都会导致扩展Kalman滤波定轨结果发散.

摘要： 由于水下复杂环境和不确定因素的影响,搭载在水下航行器上的传感器的量测值存在一定的误差,为了实时准确获知航行器的航行参数,需要将传感器的量测值进行融合与滤波.针对传统滤波方法的不足,本文设计了一种自适应无迹Kalman滤波(AUKF)和扩展Kalman滤波(EKF)相结合的算法,其重点是一方面将自适应估计原理加入到UKF算法中,另一方面分别对系统强非线性部分采用AUKF算法和对系统弱非线性部分采用EKF算法,然后对该算法进行了仿真试验.结果表明,AUKF-EKF算法具有良好的滤波效果,滤波值更加贴近真实值且具有实时性.

摘要： 由于水下复杂环境和不确定因素的影响,搭载在水下航行器上的传感器的量测值存在一定的误差,为了实时准确获知航行器的航行参数,需要将传感器的量测值进行融合与滤波.针对传统滤波方法的不足,本文设计了一种自适应无迹Kalman滤波(AUKF)和扩展Kalman滤波(EKF)相结合的算法,其重点是一方面将自适应估计原理加入到UKF算法中,另一方面分别对系统强非线性部分采用AUKF算法和对系统弱非线性部分采用EKF算法,然后对该算法进行了仿真试验.结果表明,AUKF-EKF算法具有良好的滤波效果,滤波值更加贴近真实值且具有实时性.

摘要： 由于水下复杂环境和不确定因素的影响,搭载在水下航行器上的传感器的量测值存在一定的误差,为了实时准确获知航行器的航行参数,需要将传感器的量测值进行融合与滤波.针对传统滤波方法的不足,本文设计了一种自适应无迹Kalman滤波(AUKF)和扩展Kalman滤波(EKF)相结合的算法,其重点是一方面将自适应估计原理加入到UKF算法中,另一方面分别对系统强非线性部分采用AUKF算法和对系统弱非线性部分采用EKF算法,然后对该算法进行了仿真试验.结果表明,AUKF-EKF算法具有良好的滤波效果,滤波值更加贴近真实值且具有实时性.

摘要： 由于水下复杂环境和不确定因素的影响,搭载在水下航行器上的传感器的量测值存在一定的误差,为了实时准确获知航行器的航行参数,需要将传感器的量测值进行融合与滤波.针对传统滤波方法的不足,本文设计了一种自适应无迹Kalman滤波(AUKF)和扩展Kalman滤波(EKF)相结合的算法,其重点是一方面将自适应估计原理加入到UKF算法中,另一方面分别对系统强非线性部分采用AUKF算法和对系统弱非线性部分采用EKF算法,然后对该算法进行了仿真试验.结果表明,AUKF-EKF算法具有良好的滤波效果,滤波值更加贴近真实值且具有实时性.

摘要： 卫星定轨系统可以分为两类：地基跟踪系统和天基跟踪系统。地基跟踪系统有S波段系统、激光跟踪系统等。目前我国的航天测控网仍然以地基系统为基础，而随着航天测控任务要求的不断提高和我国导航卫星系统的不断发展，其暴露出一些不足，星载导航卫星定轨将日益发展成为对航天器进行测控跟踪的重要手段。随着我国COMPASS卫星导航系统的建立，我国在星载卫星导航系统定轨方面的要求将非常迫切，所以本文以星载COMPASS接收机的高轨卫星定轨作为研究对象，以基本的星载导航卫星系统定轨理论为基础，探讨新理论、新方法在该领域的应用。本文首先给出了导航卫星与高轨卫星间的可见性算法原理和星间观测模型，然后仿真分析了高轨卫星对导航星的可见性，空间位置精度衰减因子值的分布情况，基于信号接收能力方面的考虑，本文接着分析了高轨卫星的动态特性，最后给出了利用扩展卡尔曼滤波的定轨结果。仿真分析表明：当高轨卫星轨道高度大于导航星时，一般可观测到0～3颗，很少能观测到4颗以上的导航星。其PDOP值均保持在1～6之间，高轨卫星的位置滤波精度在米级，速度滤波精度在mm／s量级，可见该方法可以用于高轨卫星高精度的自主轨道确定。

摘要： 卫星定轨系统可以分为两类：地基跟踪系统和天基跟踪系统。地基跟踪系统有S波段系统、激光跟踪系统等。目前我国的航天测控网仍然以地基系统为基础，而随着航天测控任务要求的不断提高和我国导航卫星系统的不断发展，其暴露出一些不足，星载导航卫星定轨将日益发展成为对航天器进行测控跟踪的重要手段。随着我国COMPASS卫星导航系统的建立，我国在星载卫星导航系统定轨方面的要求将非常迫切，所以本文以星载COMPASS接收机的高轨卫星定轨作为研究对象，以基本的星载导航卫星系统定轨理论为基础，探讨新理论、新方法在该领域的应用。本文首先给出了导航卫星与高轨卫星间的可见性算法原理和星间观测模型，然后仿真分析了高轨卫星对导航星的可见性，空间位置精度衰减因子值的分布情况，基于信号接收能力方面的考虑，本文接着分析了高轨卫星的动态特性，最后给出了利用扩展卡尔曼滤波的定轨结果。仿真分析表明：当高轨卫星轨道高度大于导航星时，一般可观测到0～3颗，很少能观测到4颗以上的导航星。其PDOP值均保持在1～6之间，高轨卫星的位置滤波精度在米级，速度滤波精度在mm／s量级，可见该方法可以用于高轨卫星高精度的自主轨道确定。

摘要： 本发明提出了一种基于Chebyshev正交多项式扩展RTS Kalman平滑方法，用以解决传统的平滑算法无法对非线性系统状态变量开展滤波后平滑操作的问题。本发明建立SLAM系统的非线性的状态模型；对非线性SLAM系统的状态变量参数Kalman滤波；基于Chebyshev多项式拟合逼近SLAM系统实施Chebyshev多项式逼近计算操作，计算平滑算法的预测均值、预测方差矩阵和协方差矩阵；获取非线性系统方程的Chebyshev多项式拟合逼近计算的平滑均值及平滑方差矩阵；根据估计数据开展Chebyshev多项式RTS平滑计算。本发明利用Chebyshev多项式拟合SLAM系统的模型方程，实现状态向量的滤波平滑计算，具有较好的计算优势和计算效能。

摘要： 基于扩展卡尔曼滤波和粒子滤波的室内融合定位方法，属于无线传感器网络技术领域。步骤如下：(1)首先采集WiFi的信号强度并记录位置坐标来构建指纹数据库，再采用加权k近邻法进行定位；(2)采集MEMS惯性传感器数据，结合加速度和基于差分加速度有限状态机的计步算法进行计步，融合多种传感器读数进行航向估计，结合卡尔曼滤波和非线性步长模型来估计步长；(3)使用扩展卡尔曼滤波融合WiFi指纹法和行人航位推算的定位结果；(4)结合粒子滤波和室内地图信息校正估计位置。本发明通过融合，解决了WiFi指纹法定位精度易受信号波动影响的问题以及行人航位推算方法定位误差随时间增加而累积的问题，能够显著地提高定位精度。

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： 本发明涉及一种估算SOC的方法，涉及一种基于扩展Kalman滤波估算SOC的方法。包括以下步骤：第一步：获得SOC初始状态值；第二步：计算k时刻SOC状态预测值；第三步：计算k+1时刻SOC状态值；第四步：计算k+1时刻输出预测值；第五步：计算k+1时刻输出误差；第六步：对k+1时刻SOC状态值校正；第七步：得到k+1时刻状态最佳预测值，然后回到第一步。本发明根据锂离子电池的内部阻抗、温度、充放电特性建立了二阶RC锂离子电池等效模型。仿真和实验表明该模型结构简单、易于计算，并能够准确表征锂离子电池相关特性；运用扩展的卡尔曼滤波法对建立的二级RC锂的离子电池等效模型进行SOC估算，电池实际荷电量与估算值的误差在4％以内。

摘要： 本发明公开了一种基于扩展Kalman滤波的地基增强系统差分定位方法，包括载波相位平滑伪距步骤以及基于扩展Kalman滤波的差分定位步骤；所述载波相位平滑伪距根据载波差量判断载波相位是否发生周跳；所述基于扩展Kalman滤波的差分定位建立了位置解算PVA(Position Velocity and Acceleration)模型，利用扩展Kalman滤波器估计飞机的最优实时位置。本发明基于载波相位平滑伪距与Kalman滤波器数据平滑优点，可以有效地解决地基增强系统(Ground Based Augmentation System，GBAS)用户端噪声、多径等随机误差引起的定位精度差的问题。

摘要： 本发明提出了一种扩展全对称多胞形集员Kalman混合滤波方法，针对非线性系统模型开展系统状态变量的最优滤波计算，实施了Taylor级数多项式扩展来逼近非线性系统函数，获得系统线性化等价模型；注重对线性化操作的高阶截断误差处理，把Taylor级数线性化的高阶项误差利用全对称多胞形逼近计算，开展全对称多胞形集员滤波计算；对于系统状态变量的高斯噪声仍然利用传统的Kalman滤波计算，实现全对称多胞形和Kalman混合滤波计算。本发明改善了非线性系统状态变量参数最优估计精度和系统计算稳定性，经由SLAM系统仿真实验，与传统扩展Kalman滤波算法对比，本发明具有较好的计算优势与计算效能。

摘要： 本发明公开了一种多新息混合Kalman滤波和H无穷滤波算法，包括1）建立锂电池的一阶RC电路模型，根据该模型写出描述锂电池系统的状态空间表达式，将电流和电压作为输入，利用递推最小二乘法进行参数辨识；2）分别建立多新息扩展卡尔曼滤波器和多新息滤波器，定义混合滤波性能评价指标实现更好的权值分配，建立基于多新息的混合Kalman/H∞滤波器；3）通过对权值表达式中的参数取不同值来验证一种多新息的混合Kalman/H∞滤波算法收敛精度高和鲁棒性好的优势。本发明通过建立基于多新息的混合Kalman/H∞滤波器，解决了现有SOC估计方法未能充分利用当前新息和历史信息而导致估计误差增大的问题，并通过合理设置权值提高了SOC的估计精度和滤波器的鲁棒性。

摘要： 本发明提出了一种基于Chebyshev正交多项式扩展RTS Kalman平滑方法，用以解决传统的平滑算法无法对非线性系统状态变量开展滤波后平滑操作的问题。本发明建立SLAM系统的非线性的状态模型；对非线性SLAM系统的状态变量参数Kalman滤波；基于Chebyshev多项式拟合逼近SLAM系统实施Chebyshev多项式逼近计算操作，计算平滑算法的预测均值、预测方差矩阵和协方差矩阵；获取非线性系统方程的Chebyshev多项式拟合逼近计算的平滑均值及平滑方差矩阵；根据估计数据开展Chebyshev多项式RTS平滑计算。本发明利用Chebyshev多项式拟合SLAM系统的模型方程，实现状态向量的滤波平滑计算，具有较好的计算优势和计算效能。

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。

摘要： 基于扩展卡尔曼滤波和粒子滤波的室内融合定位方法，属于无线传感器网络技术领域。步骤如下：(1)首先采集WiFi的信号强度并记录位置坐标来构建指纹数据库，再采用加权k近邻法进行定位；(2)采集MEMS惯性传感器数据，结合加速度和基于差分加速度有限状态机的计步算法进行计步，融合多种传感器读数进行航向估计，结合卡尔曼滤波和非线性步长模型来估计步长；(3)使用扩展卡尔曼滤波融合WiFi指纹法和行人航位推算的定位结果；(4)结合粒子滤波和室内地图信息校正估计位置。本发明通过融合，解决了WiFi指纹法定位精度易受信号波动影响的问题以及行人航位推算方法定位误差随时间增加而累积的问题，能够显著地提高定位精度。