不敏卡尔曼滤波

摘要： 反导预警与空间监视雷达通常采用高频段、大脉宽探测远距离目标,此时距离多普勒耦合对于雷达精确测距有较大影响。同时,距离多普勒耦合的准确修正是稳定跟踪目标的必要条件,然而传统的处理方法不能适用于弹道目标等高机动目标的准确处理。本文提出了基于多普勒耦合估计的弹道目标高精度测距方法:首先采用旁路速度-加速度估计方法求解目标的径向速度,对目标测量距离进行距离多普勒耦合修正,再进行IMM-UKF滤波完成目标距离估计。该方法具有以下优势:利用当前帧的测量数据,同时考虑了目标径向加速度对于耦合的影响,提高了距离和速度的估计精度;相比跟踪时增加测速波形的方法,节约了雷达的资源,同时避免了速度测量与航迹误关联的问题;距离和速度的精确估计能够提升航迹关联成功率。仿真实验中与传统的距离多普勒耦合处理方法进行了比较,实验结果显示该方法大幅提高了雷达测距的精度。

摘要： 为提高雷达弹道导弹落点外推的精度,提出了一种基于平滑优化思想的弹道导弹落点外推方法。在对雷达量测按时间先后顺序进行常规滤波之后,先进行一次平滑,优化时间靠前的点迹信息,再对优化后的点迹信息按时间反向顺序进行二次平滑,对最新关联点迹信息进行二次优化,最后利用二次优化的最新关联点作为初始点进行落点外推。利用系统工具箱(STK)软件进行弹道仿真试验,结果表明该方法可以有效提高落点外推的精度。

摘要： 针对转弯率未知或变化条件下的精确跟踪问题开展研究,给出了基于UKF的自适应协同转弯跟踪算法,该算法充分利用了扩维技术和自适应渐消因子技术,不断实时估计转弯率,同时基于渐消因子调节过程噪声及其对应的增益,并对不敏卡尔曼滤波算法的采样范围进行自适应调节,使采样点更接近目标真实状态。仿真表明该算法在转弯率变化时获得了较好的跟踪性能,有效提升了对于转弯机动目标跟踪的准确性和稳定性。

摘要： 在状态估计理论的实际应用中,系统的状态向量可能受到线性或者非线性约束条件的限制,如果可以将这些约束条件有效地施加到滤波过程中,则从理论上可以获得更高的滤波精度。针对非线性状态约束滤波,可以通过泰勒级数展开将非线性约束函数线性化,该方法需求解非线性约束函数的雅可比矩阵,然而实际问题中总有雅克比矩阵不存在的情况。采用水平滑动估计算法,该算法无需求解雅可比矩阵,然而该方法需要计算非线性约束最优化问题,算法时间复杂度较高。为此,在状态向量的高斯假定下,提出了一类迭代收缩非线性状态约束滤波方法。该方法结合容积卡尔曼滤波、求积分卡尔曼滤波、中心差分卡尔曼滤波和不敏卡尔曼滤波思想,分别采用几种不同的数值方法对积分进行近似,获得了几种解决非线性状态约束的实现算法。在实现过程中,为了减小基点误差对于滤波结果的影响,采用迭代的方法,给非线性状态约束函数施加一系列噪声,使得在量测更新步骤中方差逐步收敛,使约束逐渐增强,提高了状态估计的精度。实验结果表明,该类方法的几种实现算法滤波精度较高,时间复杂度较为适中,无需求解雅可比矩阵或黑森矩阵。

摘要： 测向/时差联合定位算法具有仅需要2个节点即可实现良好的定位精度,具有很好的应用前景.在双站测向/时差联合定位的原理基础上,提出一种基于测向/时差的最小偏度单形采样不敏卡尔曼滤波(UKF)定位算法.通过计算机仿真实验表明,基于最小偏度单形采样的UKF的测向/时差联合定位算法收敛速度快,定位精度高.

摘要： 传统雷达目标跟踪方法仅利用目标的位置信息进行数据关联,在处理密集杂波环境下的多目标跟踪问题时,容易产生虚假航迹,甚至出现误跟、失跟的现象.该文针对此问题提出一种多普勒信息辅助的杂波环境下多目标跟踪算法.首先引入多普勒信息带来的观测方程非线性,以及速度观测与距离观测之间的相关性问题,基于IPDA-UKF算法框架,综合利用目标的位置和速度信息构建多维关联波门,利用多维信息进行有效量测的筛选,从而将一个多目标数据关联的问题转化为多个单目标数据关联的问题,然后采用IPDA-UKF分别估计各个目标的存在概率和运动状态.仿真结果表明:相比其他算法,该算法充分利用距离和速度之间的相关性,不仅降低了杂波环境下多目标数据关联的复杂度,提高了数据关联的效率,而且目标跟踪精度也得到了明显提升.

摘要： 不同高度的空中目标在匀速飞行时,其径向距离和方位的变化率会有所差异。战场监视雷达通常为两坐标雷达,对空目标探测时无法测量俯仰角,不能实现高度测量,导致目标跟踪精度较差,影响情报质量。文章提出一种基于静态多模型的高度估计方法对近似等高度飞行的空中目标进行高度估计。通过将目标飞行高度范围均匀划分为多个区间,并在每个区间启动独立的滤波器模型,来对目标高度进行概率加权估计。仿真实验表明,文章提出的高度估计方法能够提升目标的定位精度,并对其高度进行较为准确的估计。

摘要： 针对高斯混合概率假设密度滤波(GMPHD)初始化需要先验强度函数的缺点,在现有 GMPHD滤波框架的基础上,将多普勒信息附加于滤波更新过程中,提出了基于多普勒量测的 UKF多目标跟踪方法.该方法能够利用多普勒信息对新生目标状态初始化,实现新生目标的自动初始化,有效降低滤波估计误差.仿真结果表明,所提方法复杂度较低,且在多目标跟踪过程中,对于目标个数的估计精度和最优子模式指派距离均优于已有方法.%The standard Gaussian mixture probability hypothesis density (GMPHD)filter is a promising algo-rithm for multi-target tracking.However,the performance of the algorithm is greatly influenced by clutters and the initialization is restricted by a priori information.To solve this problem,on the basis of the GMPHD predic-tion,Doppler information was appended to the filtering process to improve the performance of the algorithm. Firstly,a concrete initialization process was proposed in the birth intensity design of the GMPHD.The initial-ization process from consecutive measurements led to a reliable birth intensity that improved track management performance.Secondly,in order to measure the nonlinearity,the unscented Kalman filter (UKF)was used to replace the Kalman filter to filter the measurement vector.Simulation results showed that the proposed algo-rithm improve the accuracy of target number estimation was as well as the optimal subpattern assignment dis-tance when compared with the existing algorithm.

摘要： 针对陆空两栖侦察机器人侦察灵活性与姿态角估计准确性不足的问题,设计一种改进的可分离式立体侦察机器人.通过牛顿-欧拉法建立机器人姿态角解算模型,描述其横滚角、俯仰角和偏航角3种飞行姿态角.根据模型建立系统状态方程和观测方程,采用不敏卡尔曼滤波算法,进行姿态角解算,得到飞行姿态角最优估计值.对比仿真结果表明,不敏卡尔曼滤波算法比扩展卡尔曼滤波算法姿态角估计精度更高、实时性更强.实物性能测试结果表明,改进的机器人在空中飞行和地面运动性能表现良好,灵活性高.%A separable air-land robot is designed to precisely estimate the state of the separable air-land exploration robot.A robot attitude angle calculation model based on Newton-Euler method is proposed to describe roll angle,pitch angle and yaw angle of robot.The system state equation and measurement equation are therefore established based on this model and they can obtain the optimal estimation of state by using UKF.The proposed model is verified by simulation.Simulation results show that UKF performs better than EKF in state estimation and can provide more accurate,reliable data.Simulation results also show that robot has good performance and high flexibility both in the air and on the land.

摘要： 针对非线性不等式状态约束滤波问题,提出一种基于内点法的不敏卡尔曼滤波算法.该算法在不敏卡尔曼滤波的基础上结合了优化算法的思想,采用内点优化法求解非线性不等式约束条件下的最优解.在算法实现过程中,引入障碍项,用无约束障碍函数近似化受约束目标函数,采用一个相当小的正数即障碍因子,通过序列极小化方法逐渐减小该障碍因子,经过迭代快速搜索出非线性不等式状态约束问题的近似最优解.对具有约束的航路跟踪系统进行实验仿真,实验结果表明新算法在处理非线性不等式状态约束滤波问题时,能够有效地提高状态估计精度,获得较高的滤波精度,且时间复杂度较低.

摘要： 针对高精度单传感器量测条件下非线性系统状态估计精度问题,本文提出一种基于量测提升策略的不敏卡尔曼滤波算法实现框架.新方法在当前传感器量测的基础上通过量测提升策略丰富量测噪声先验信息,进而得到满足融合理论的虚拟量测集,并根据工程应用中实时性、准确性以及鲁棒性等具体需求,分别给出分布式加权融合和一致性融合两种实现形式.仿真实验结果和分析验证了算法的可行性和有效性.

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新息加权自适应不敏卡尔曼滤波的晶振频率驯服方法、系统及介质，本发明方法包括根据GPS秒信号、晶振信号的误差特性建立两者的频差数学模型；针对频差数学模型进行sigma采样得到k时刻的sigma点集；针对k时刻的sigma点集确定自适应不敏卡尔曼滤波算法的状态方程和更新方程；整合新息序列加权到自适应不敏卡尔曼滤波算法的状态方程和更新方程中以减少GPS较大野值对校频精度的影响。本发明基于新息加权自适应不敏卡尔曼滤波技术，将GPS信号的跳变野值和随机误差，以及晶振信号的累积误差和频率漂移进行滤波处理，最终提高GPS锁定二级频标的最终校频精度。