新息

摘要： 在视频的多目标跟踪任务中,卡尔曼滤波器性能受硬件噪声以及光线等环境噪声干扰较大,导致滤波性能下降甚至发散,严重影响目标跟踪精度。针对这一问题,在检测端不变的情况下,对跟踪算法中的卡尔曼滤波器进行改进。首先,通过实时监测跟踪过程中滤波器观测值和估计值的动态变化,提取新息或残差;然后,利用新息协方差对观测噪声统计特性进行自适应估计,进而调整卡尔曼滤波增益;并通过数值仿真表明所提方法能有效降低噪声,获得更好跟踪效果。最后,基于YOLOv3算法检测结果进行实验验证,结果表明在多目标跟踪(MOT16)数据集上,相较于传统卡尔曼滤波设计,所提自适应卡尔曼滤波在多目标跟踪任务中的精度、标号(ID)相关指标(IDF1,IDP)等指标均有所提升。

摘要： 针对车载卫星与惯性器件的组合导航系统不确定性对导航精度影响较大的问题,依据滤波新息估计量的统计特性与模糊度隶属度函数的控制特性,设计滤波方法实现对组合导航误差的抑制.考虑系统先验知识难以准确获取,首先采用新息自适应估计(Innovation Adaptive Estimation,IAE)方法对当前量测噪声方差进行在线调整;其次根据新息确定量化参数,引入平滑加权残差平方思想(Smoothed Weighted Residual Squared,SWRS)给出表示系统不确定度的权值函数,结合定义的系统不确定度构建模糊隶属度函数;最后将两种改进方法嵌入到无迹卡尔曼滤波(Unscented Kalman Fil-ter,UKF)框架中,对系统噪声方差予以自适应调整,形成适用于处理低成本组合导航系统的模糊IAE-UKF滤波器.设计车载组合导航测试,取不同算法下的组合位置、组合速度进行精度比较.结果表明本文组合导航算法的位置精度及速度精度均得到明显改善,实现了对组合导航误差的抑制,是一种可有效克服系统模型难以准确建立问题的滤波器.

摘要： 针对无人机在使用扩展卡尔曼滤波(EKF)解算姿态角时,传感器测量噪声不稳定导致解算的姿态角易发散的问题,提出了自适应扩展卡尔曼滤波算法(AEKF)。该算法建立了四元数运动模型,以加速度计测量值和磁力计解算的偏航角为观测量,并设计基于新息的自适应算法,实时在线修正观测噪声矩阵。仿真结果表明,AEKF算法在环境噪声变化时,能够更准确的解算出姿态角,有效抑制了姿态角的发散,鲁棒性能更好,提高了解算的精度。

摘要： 针对无人机在使用扩展卡尔曼滤波(EKF)解算姿态角时,传感器测量噪声不稳定导致解算的姿态角易发散的问题,提出了自适应扩展卡尔曼滤波算法(AEKF)。该算法建立了四元数运动模型,以加速度计测量值和磁力计解算的偏航角为观测量,并设计基于新息的自适应算法,实时在线修正观测噪声矩阵。仿真结果表明,AEKF算法在环境噪声变化时,能够更准确的解算出姿态角,有效抑制了姿态角的发散,鲁棒性能更好,提高了解算的精度。

摘要： 对于机载捷联惯性卫星组合导航系统而言,当载机处于大动态或者其他卫星信号不连续情况时,卫星提供的速度、位置等量测信息可能会出现跳变,进而影响组合导航精度.介绍了惯性导航、卫星导航及其组合导航系统的基本原理和优缺点,分析了卫星量测不可避免出现跳点时组合导航系统Kalman滤波器的估计效果,对基于惯性辅助的卫星信息容错技术进行研究,提出了一种新的卫星信号野值剔除与滤波改进方法.新方法既保证了量测向量原有的统计特性,同时将野值带来的影响去除.半实物仿真分析结果表明,滤波器的估计稳定性得到明显提升,组合导航系统的速度和位置精度分别提升了约30％和35％.

摘要： 针对常规卡尔曼滤波应用在GPS/INS组合导航时,由于量测数据出现异常值或系统状态模型不准确而造成的滤波精度下降问题,提出了一种基于新息的自适应卡尔曼滤波算法(AKF).该算法首先通过卡方检验检测出量测异常值,在量测异常值处调整量测噪声方差阵来抑制滤波发散;在此基础上根据新息协方差的计算值与新息协方差的预测值的粗略比率,调整系统噪声方差阵,从而提高整体滤波精度.通过跑车试验,对本文提出的AKF算法进行了验证.试验结果表明:本文提出的AKF算法较常规卡尔曼滤波算法在经度、纬度误差(均方根)上分别降低了67％,34％,在东向速度、北向速度误差(均方根)上分别降低了47％,38％.从而证明了该算法能有效地抑制由量测异常值导致的状态估计误差,防止滤波发散,提高滤波稳定性.

摘要： 卡尔曼滤波是一种应用广泛的基于最小方差的递推式滤波算法,根据一定滤波规则对系统的状态进行估计.采用某种统计量最优方法对噪声和系统模型统计特性的先验知识决定的滤波的性能和估计的准确性进行度量.不精确的先验知识将导致滤波性能的明显下降和发散.采用新息自适应卡尔曼滤波克服标准卡尔曼滤波需要在先验条件下进行估计的缺点,通过深度置信网络对噪声的协方差矩阵做出调整,从而提高滤波性能.

摘要： 传统的无迹Kalman滤波根据估计量测方程和量测量的协方差矩阵来确定最佳增益,但在导航过程中会因为外界因素的干扰,无法得到准确的量测信息算法,使增益有所偏差,导致最后的滤波精度降低.基于此,提出了一种改进的无迹Kalman滤波.首先根据新息,判断是否有异常的观测量,并通过引入抗差因子进行修正.通过仿真实验,比较扩展Kalman滤波、无迹Kalman滤波和改进的无迹Kalman滤波的误差特性,证明提出算法的有效性.

摘要： 传统的无迹Kalman滤波根据估计量测方程和量测量的协方差矩阵来确定最佳增益,但在导航过程中会因为外界因素的干扰,无法得到准确的量测信息算法,使增益有所偏差,导致最后的滤波精度降低。基于此,提出了一种改进的无迹Kalman滤波。首先根据新息,判断是否有异常的观测量,并通过引入抗差因子进行修正。通过仿真实验,比较扩展Kalman滤波、无迹Kalman滤波和改进的无迹Kalman滤波的误差特性,证明提出算法的有效性。

摘要： 本发明公开了一种基于多新息算法的地区短期电力负荷峰值预测方法。首先，收集预测日之前的历史日电力负荷峰值；其次，收集历史日对应的日最高气温、最低气温；然后，根据历史日负荷峰值、气温，利用多新息算法计算短期负荷关联因子；最后，结合历史日负荷、预测日的预计气温、短期负荷关联因子，计算预测日的负荷峰值。本发明方法原理简单，计算量小，准确度较高，能够快速实现地区短期电力负荷峰值预测。

摘要： 一种基于优化模型的ECG信号有限新息率采样方法，适用于ECG信号FRI采样及信号重构，所提方法将ECG信号建模为一阶微分VPW模型，以利用FRI采样理论对其进行欠采样；然后使用双通道采样结构进行采样，采样通道一是一个FRI采样通道，用于获取信号的少量样本以进行参数估计；采样通道二为低速采样通道，用于采集少量的信号时域样本，以用于对ECG信号进行优化重构。为了提高ECG信号的重构精度，采用于粒子滤波的参数优化算法，以提高ECG信号参数估计的精度，从而提高信号重构的质量。为了提高参数估计的效率和优化的成功率，在基于粒子滤波的参数估计算法中引入了块坐标下降的思想，提升了优化的成功率和优化的效率。

摘要： 本发明涉及一种基于改进扩展卡尔曼滤波算法的SOC估计方法，其特征在于，对传统扩展卡尔曼滤波算法进行改进，将单新息扩展为多新息，并累加取平均值。使算法能应用于具有明显非线性关系的锂离子电池SOC估算，实现了对锂离子电池组SOC值的有效迭代计算；针对卡尔曼忽略高阶项，使估算精度低、稳定性差的问题，改进扩展卡尔曼滤波算法通过新息累加取平均值得方法，能有效缩小误差波动范围，提高SOC估算精确度；在戴维南等效电路模型的基础上增加一组RC回路建立二阶RC等效电路模型，以更好地表征电池的极化效应，对电池具有更好的模拟效果。该方法在充分考虑锂离子电池成组工作基础上，基于等效模型电路，改进以卡尔曼为基础的迭代计算过程，实现锂离子电池组SOC估算模型的建立和SOC值的数学迭代运算算法的可靠运行。

摘要： 本发明涉及一种基于新息矢量的目标弱机动判决方法，属于相控阵雷达机动目标跟踪技术领域。为了增加的拦截难度，提高突防能力，来袭反舰导弹通常会进行末端机动，如果能够快速及时的检测出其来袭目标的“机动开始”，对于稳定跟踪并拦截摧毁具有重要意义，来袭导弹的机动初期表现为弱机动性，针对传统归一化新息的卡方检测方法对于弱机动检测能力弱的问题，本发明提出一种基于新息矢量的目标弱机动判决方法，该方法充分利用了新息的幅度和符号信息，相比于传统的卡方检测，具有弱机动检测能力强，中等机动检测速度快的优点。

摘要： 本发明公开了一种基于可变遗忘因子的递推最小二乘法(VFFRLS)和多新息无迹卡尔曼滤波(MIUKF)算法融合的锂电池电池荷电状态（SOC）估算方法，该方法包括以下步骤：获取锂电池出厂前离线辨识的阻容参数信息；基于混合脉冲放电实验，确定电池开路电压(OCV)与SOC关系曲线；建立二级RC等效电路模型，确定电池系统的状态方程和测量方程；利用可变遗忘因子的递推最小二乘法与多新息无迹卡尔曼滤波融合估算电池SOC。本发明在可变遗忘因子的递推最小二乘法与无迹卡尔曼滤波(UKF)算法上引入多新息(MI)模型，实现更高精度和稳定性的SOC估计。

摘要： 本发明提供了一种基于新息自适应扩展卡尔曼的PMSM无位置传感器控制方法，首先利用静止坐标系下的电流、电压信号，作为扩展卡尔曼(EKF)的输入，再通过迭代计算获取电机的转子位置与转速。为了提高EKF的抗扰性能，在EKF的新息序列计算上设置加权系数，并将加权得到的新息值导入到卡尔曼增益的计算。本发明在输入参数与噪声统计出现偏差情况，降低了误差信号对整个系统的影响，保证了扰动下观测器的鲁棒性，提高了电机转速与转子位置的预测精度，在永磁同步电机的无位置传感器中具有广泛的应用价值。

摘要： 本发明公开了一种基于多新息NESTEROV加速梯度下降方法的ARX模型参数辨识方法。包括以下步骤：首先，在随机梯度下降参数辨识的基础上，将动量项引入参数更新及梯度计算中，提高了算法的收敛速度。其次，将包含动量项的NESTEROV加速算法从单新息参数辨识扩展为多新息参数辨识，利用多新息充分利用数据的特性，提高了算法的辨识精度即抗噪声抗异常数据的能力。最后，通过算法的迭代得到最终的参数辨识结果。本发明有效的解决了传统的随机梯度下降参数辨识方法的梯度下降收敛速度慢，对噪声及异常数据干扰敏感的问题，加快了参数辨识的收敛速度，提高参数辨识精度以及提高了算法抗噪声及异常数据的能力。

摘要： 可再生能源在世界电力结构中的份额在过去几年呈指数增长，目前，太阳能光伏已经是未来能源结构的重要组成部分，年增长率不断提高。光伏组件的性能主要取决于各种因素，包括太阳辐射的可用性和转换效率，然而，太阳能电池/组件的转换效率和整体性能直接受到其各种物理参数的影响，因此，始终需要准确估计这些参数。光伏系统分为静态模型和动态模型，动态模型考虑了开关操作和电感/电导效应引起的负载变化，其中分数阶动态光伏电池模型更具灵活性，可以更精细的表现光伏系统的动态行为。本发明以分数阶动态光伏电池模型为基础，给出对应的辨识模型，通过在随机梯度方法中引入遗忘因子，使用多新息理论将单新息扩展到新息向量，旨在用一种多新息遗忘因子随机梯度算法快速准确的辨识分数阶动态光伏模型中的参数。

摘要： 本发明涉及一种基于新息速率优化和抗差估计的GNSS/INS紧组合欺骗检测方法，属于导航系统欺骗检测技术领域。对于微小突变的阶跃式欺骗或缓慢增长的斜率式欺骗，本发明与现有技术中通过新息向量和协方差直接计算新息速率然后判断的方案相比，先获取归一化新息向量，然后通过卡尔曼滤波器对归一化新息向量实时更新。在时间更新阶段，通过先验估计得到先验估计状态向量；在量测更新阶段，根据归一化新息向量和先验估计状态向量对新息向量进行更新，根据更新后的新息向量和增益矩阵，计算后验估计状态向量，根据后验估计状态向量和新息速率矩阵来计算新息速率，进而结合预设的上、下限检测阈值，判断是否存在欺骗，检测欺骗所用的时间更短，检测效率提高。

摘要： 本发明提供了一种基于新息抗差估计的GNSS/INS紧组合欺骗检测方法，属于导航系统欺骗检测技术领域。现有的欺骗检测算法在检测缓慢增长的斜坡式欺骗干扰时，由于欺骗增长的速率小，需要经过很长时间的累积才能达到预设的检测阈值，进而被检测出来，检测时间过长。本发明在难以判断是否存在欺骗时，根据平均归一化新息向量和上、下限检测阈值计算等价权矩阵，进而通过等价权矩阵进行降权处理，得到新的增益矩阵，通过增益矩阵对先验估计状态向量和先验协方差估计向量进行优化，从而将未被检测出的欺骗干扰在k+1时刻放大，从而通过较短的时间累积就可以使欺骗干扰达到预设的检测阈值，从而判断出是否存在欺骗，缩短了欺骗检测的时间。