自适应Kalman滤波

摘要： 作为大型的海上油气生产、储油、卸油平台,FPSO平台大量使用的流量测量仪表面临高温、高压及液体携沙等复杂工况下,测量往往不准确,对现场的操控安全带来严峻挑战。提出依据现场相对准确的液位以及压力数据结合卡尔曼滤波算法构建生产水流量的软测量模型,并利用时变噪声统计估计器自适应动态调整输入和测量噪声协方差矩阵。基于某FPSO现场数据的实验结果表明,所提方法能够给出较为准确的生产水流量估计值,精度完全满足现场需求,能够为现场操控提供可靠的反馈信息。

摘要： 针对航天器非合作交会中的相对导航问题,提出了一种基于非线性动力学法的仅测角导航的新架构。该方法没有通过轨道或姿态机动来解决仅测角导航可观性较差的问题,而是通过捕捉系统在相对运动演变中的非线性来提高仅测角导航系统的可观性。首先,介绍了3种相对动力学模型及其对应的视线(Line-of-sight,LoS)测量方程,包括直线状态相对动力学、曲线状态相对动力学和相对轨道根数(Relative orbital elements,ROE)状态相对动力学模型。然后,引入了基于Gramian矩阵的可观性分析理论用于确定哪个相对动力学模型可以最大化仅测角导航的可观性。接着,介绍了一种自适应扩展Kalman滤波方案,用以解决非线性动力学法中仅测角导航滤波器对测量噪声非常敏感的问题。最后,通过数值仿真的手段对提出的仅测角导航滤波架构进行了测试和验证,证明了通过改进相对动力学和LoS测量模型,无机动的仅测角导航是完全可行的。

摘要： 针对实验室条件下微机电系统(MEMS)陀螺仪测得的船舶回转率数据波动较大的问题,对采集到的原始信号进行平均滤波和校正零偏等预处理,再利用设计的Kalman滤波器实现进一步滤波,实验发现船舶回转率发生变化的情况下,Kalman滤波器响应滞后不再适用,在此基础上改进并提出了一种简单有效的自适应Kalman滤波方法.经实验验证:所设计的自适应Kalman滤波器是有效可行的,能够在实现数据滤波的同时较好地满足动态性能.

摘要： 针对于捷联惯导系统(SINS)测量过程中异常数据对测试精度影响的问题,文中提出了一种基于形态学滤波的高精度惯导里程定位方法.系统利用所提出的三角形形态学滤波的方法对惯性测量单元(IMU)的测量数据进行修正,减少测量数据中的异常值,利用基于里程计校准的惯导定位方法对经过形态学滤波预处理的数据进行计算,实现对被测管道路径的精确定位.为了了解经三角形形态学滤波后的惯性导航定位效果,对104 m的管道进行了模拟对比试验.由试验结果分析表明,经三角形形态学滤波预处理后,系统水平方向的测量精度由原来的0.58％提高到0.29％,增长了1倍;高度方向的测量精度由原来的0.096％提高到0.077％,提高了24.6％,取得了良好的效果.

摘要： 针对平面阵列电极边缘电场和病态特性严重影响电容图像重建质量的问题,提出了一种改进的自适应Kalman滤波图像重建算法来同时减小电容及介电常数矩阵的噪声,在构建引入噪声的平面阵列电容成像状态模型的基础上,利用极大似然准则来对介电常数矩阵噪声方差阵进行在线估计及实时修正,并且通过对系统误差协方差矩阵进行动态加权的方法来对此算法的收敛速度进行优化.通过一种复合材料结构件进行缺陷检测实验,结果表明与LBP,TR正则化及Kalman滤波算法相比,自适应Kalman滤波算法图像误差最高可降低约20％,图像相关系数高达0.79,收敛速度提升约15％,说明自适应Kalman滤波算法对提升重建图像质量的有效性.此研究对提高平面阵列电容成像的量化精度有着重要意义.

摘要： 研究了信息物理系统中假数据注入(False data injection,FDI)攻击信号的检测问题.在分布式融合框架下,首先将FDI攻击信号建模为信息物理系统模型中的未知输入,从而使得攻击信号的检测问题转化为对FDI攻击信号的实时估计问题.其次,在每个传感器端设计基于自适应卡尔曼滤波的FDI攻击信号的局部估计器;在融合中心端引入补偿因子,设计分布式信息融合准则以导出攻击信号的融合估计器.特别地,当FDI攻击信号是时变情况时,融合过程中补偿因子的引入可以大大提高对攻击信号的估计精度.最后,通过两个仿真算例验证所提算法的有效性.

摘要： 影响高速铁路路基沉降的因素较多,基于包容性原理对主要单类影响因素进行选择,建立各影响因素与形变过程之间对应函数模型,然后采用熵值法将这些函数模型赋予不同的权重并组合,再利用基于极大似然估计的自适应kalman滤波算法对组合模型中的多种参数进行降噪处理.采用上述方法及基于非等间隔灰色系统的最优权组合预测模型,对某高速铁路路基3个监测断面的实际沉降监测数据进行处理分析,统计得到基于极大似然估计的自适应Kalman组合预测模型的各项精度指标最优值,其中平均绝对误差、均方根误差,相关指数分别优于非等间隔灰色系统的最优权组合预测模型最优值.实验结果表明,Kalman滤波组合预测模型可有效提高组合模型的预测精度.

摘要： 无人机机载三维激光扫描仪的航测技术优势明显,但无人机轨迹精度与点云精度紧密相关,载体机动或扰动等情况产生的有色噪声会影响轨迹解算精度,进而影响点云精度.本文将自适应Kalman滤波的GNSS/INS紧组合算法应用于无人机轨迹解算中,通过自适应Kalman滤波控制有色噪声的影响.最后通过试验证明基于自适应Kalman滤波解算的点云较标准Kalman滤波解算的点云精度有明显提高,特别是在无人机拐弯位置.

摘要： 无人机机载三维激光扫描技术应用广泛,其数据精度受多个方面影响,其中无人机飞行轨迹精度对点云数据质量有着重要影响。无人机在飞行过程中会产生扰动,产生有色噪声,进而降低无人机飞行轨迹的精度。本文将基于有色噪声及其协方差矩阵的自适应估计算法应用于无人机轨迹解算中,通过削弱有色噪声的影响提高无人机轨迹精度,进而提高点云精度。最后通过实验证明基于有色噪声及其协方差矩阵的自适应估计算法可以有效提高点云精度。

摘要： 为了抑制单轴旋转惯导航系统中惯性测量单元旋转产生的"锯齿形"速度误差对导航系统初始对准精度影响,提出了一种基于模糊自适应Kalman滤波的精对准方法。该方法计算新息序列实际协方差与理论协方差比值后利用模糊推理系统自适应调节量测噪声协方差矩阵,使其能够适应惯性测量单元旋转而引起的量测噪声变化。进行了摇摆环境下验证实验,结果表明,自适应滤波算法能够有效抑制惯性测量单元旋转引起的误差,航向角误差由2.31’减小至0.2’,俯仰角误差由0.11’减小为0.02’,横摇角误差由0.09’减小为–0.03’,同时,转台不同方位下的初始对准精度满足高精度捷联惯导系统导航需求。

摘要： 本文首先介绍了利用GNSS进行航空载体姿态确定与地面载体和卫星姿态确定的差异,然后提出了适用于航空载体姿态确定的基于"当前"统计模型的抗差自适应Kalman滤波方法,并详细描述了算法中观测方程和状态方程的建立方法.最后通过实测数据对所提方法进行了验证,并与利用预测滤波方法进行姿态角解算进行了比较,计算结果表明:本文所提算法精度和稳定性高,收敛速度快,与预测滤波相比具有明显优势.

摘要： 本文首先介绍了利用GNSS进行航空载体姿态确定与地面载体和卫星姿态确定的差异,然后提出了适用于航空载体姿态确定的基于"当前"统计模型的抗差自适应Kalman滤波方法,并详细描述了算法中观测方程和状态方程的建立方法.最后通过实测数据对所提方法进行了验证,并与利用预测滤波方法进行姿态角解算进行了比较,计算结果表明:本文所提算法精度和稳定性高,收敛速度快,与预测滤波相比具有明显优势.

摘要： 本文首先介绍了利用GNSS进行航空载体姿态确定与地面载体和卫星姿态确定的差异,然后提出了适用于航空载体姿态确定的基于"当前"统计模型的抗差自适应Kalman滤波方法,并详细描述了算法中观测方程和状态方程的建立方法.最后通过实测数据对所提方法进行了验证,并与利用预测滤波方法进行姿态角解算进行了比较,计算结果表明:本文所提算法精度和稳定性高,收敛速度快,与预测滤波相比具有明显优势.

摘要： 本文首先介绍了利用GNSS进行航空载体姿态确定与地面载体和卫星姿态确定的差异,然后提出了适用于航空载体姿态确定的基于"当前"统计模型的抗差自适应Kalman滤波方法,并详细描述了算法中观测方程和状态方程的建立方法.最后通过实测数据对所提方法进行了验证,并与利用预测滤波方法进行姿态角解算进行了比较,计算结果表明:本文所提算法精度和稳定性高,收敛速度快,与预测滤波相比具有明显优势.

摘要： 本文首先介绍了利用GNSS进行航空载体姿态确定与地面载体和卫星姿态确定的差异,然后提出了适用于航空载体姿态确定的基于"当前"统计模型的抗差自适应Kalman滤波方法,并详细描述了算法中观测方程和状态方程的建立方法.最后通过实测数据对所提方法进行了验证,并与利用预测滤波方法进行姿态角解算进行了比较,计算结果表明:本文所提算法精度和稳定性高,收敛速度快,与预测滤波相比具有明显优势.

摘要： 一种基于自适应Kalman滤波器的全数字锁相环低噪声数字鉴相器，包括：基于相位累加器的多段调节全数字锁相环以及设置于多段调节全数字锁相环内的用于降低噪声的自适应Kalman滤波器，其中：自适应Kalman滤波器的输入端分别接收上一周期的DCO控制字及当前周期测量到的DCO输出信号的相位信息，利用量化噪声的估计信息进行滤波，从而得到优化的DCO输出信号的相位信息。本发明针对全数字锁相环各噪声源进行了噪声优化，利用自适应Kalman滤波器对鉴相过程中的TDC的量化噪声及DCO的量化噪声进行优化，从而减小鉴相结果中的噪声成分，进而优化环路的噪声性能。

摘要： 本发明公开了一种基于自适应Kalman滤波的陀螺随机噪声AR建模方法，包括步骤如下：(1)对陀螺仪随机噪声进行数据预处理；通过数字微分保证随机噪声数据满足平稳随机过程的要求；(2)将AR模型的参数做为系统状态量；(3)建立系统的观测方程；(4)建立系统的状态方程；(5)采用未知定常的观测噪声统计估值器估计观测噪声的均值和方差；(6)在估值器估计的观测噪声的均值和方差基础上运用自适应Kalman滤波器对AR模型的参数进行估计。本发明可以有效减少采样样本数和采样时间，建模速度快；当新的噪声样本到来时，自适应Kalman滤波器能够保证建立的AR模型参数可以及时进行更新，具有快速实时建模的优点。

摘要： 本发明提供了一种基于自适应无迹Kalman滤波与RBF神经网络的抽油机故障诊断方法。首先，利用RBF神经网络对决策参数进行建模，然后，利用无迹Kalman卡尔曼滤波算法实时更新神经网络模型隐层的权值、中心及宽度，得到神经网络最优参数，最后，利用自适应滤波算法来提高模型稳定性，建立基于自适应无迹Kalman滤波与RBF神经网络相结合的抽油机故障诊断方法。本烦的显著效果是：无迹Kalman滤波具有实时更新性能，从而实现RBF神经网络的非线性动态建模，自适应滤波算法可以提高模型稳定性，满足复杂环境下对模型精度的要求。该方法提高了故障诊断的精确率，真正达到实时检测抽油机运行状况的目的。

摘要： 本发明属于卫星导航差分接收机设计领域，涉及一种利用自适应渐消Kalman滤波器提高模糊度浮点解求解动态适应性的设计算法。本发明将单差整周模糊度加入到滤波模型的状态向量中进行滤波估计，并引入遗忘因子提高滤波器的动态跟踪性能。此外，引入了独立的滑动窗进行新息的收集和处理，解决了由于参考星变化或卫星信号失锁造成观测量中断而无法准确计算新息协方差的难题。算法应用简单，无复杂或运算量巨大的算式，实时性和运算量方面都可保证在DSP或FPGA硬件平台上的算法编程实现，即易于工程实现。

摘要： 本发明公开了面向有数据缺失INS/UWB行人导航的自适应预估Kalman滤波算法，包括：通过UWB系统和惯性导航器件INS系统分别测量参考节点到目标节点之间的距离；在此基础上，将两种系统测量得到的距离信息作差，差值作为数据融合算法所使用的滤波模型的观测量；在此基础上，对传统的自适应Kalman滤波算法进行改进，引入变量引入变量

摘要： 本发明公开了一种基于自适应平方根中心差分Kalman滤波的SOC估计方法，该方法根据锂电池内部机理建立二阶RC等效电路模型，使用带遗忘因子递推最小二乘法(FFRLS)进行参数辨识；在中心差分Kalman(CDKF)滤波的基础上进行改进，引入自适应和平方根因素，自适应可有效解决噪声不确定性问题，平方根可以保持算法协方差矩阵正定性，两者结合能有效提高SOC估计精度和对噪声鲁棒性能。本发明为锂电池SOC状态估计提供一定参考思路。

摘要： 本发明公开了一种基于无迹Kalman滤波的直升机状态估计方法以解决现有的直升机导航系统滤波精度低，滤波稳定性差的技术问题。本发明包括以下步骤：步骤1：对直升机悬停时的状态进行分析；步骤2：分析未知参数对直升机悬停时状态的影响；步骤3：利用上述分析建立直升机悬停模型状态方程和量测方程；步骤4：将上述状态方程和测量方程输入自适应弱敏无迹Kalman滤波算法，得出对直升机状态估计的输出。本发明的有益技术效果在于：精度高、计算成本小、稳定性强。

摘要： 一种基于自适应Kalman滤波器的全数字锁相环低噪声数字鉴相器，包括：基于相位累加器的多段调节全数字锁相环以及设置于多段调节全数字锁相环内的用于降低噪声的自适应Kalman滤波器，其中：自适应Kalman滤波器的输入端分别接收上一周期的DCO控制字及当前周期测量到的DCO输出信号的相位信息，利用量化噪声的估计信息进行滤波，从而得到优化的DCO输出信号的相位信息。本发明针对全数字锁相环各噪声源进行了噪声优化，利用自适应Kalman滤波器对鉴相过程中的TDC的量化噪声及DCO的量化噪声进行优化，从而减小鉴相结果中的噪声成分，进而优化环路的噪声性能。

摘要： 本发明属于卫星导航差分接收机设计领域，涉及一种利用自适应渐消Kalman滤波器提高模糊度浮点解求解动态适应性的设计算法。本发明将单差整周模糊度加入到滤波模型的状态向量中进行滤波估计，并引入遗忘因子提高滤波器的动态跟踪性能。此外，引入了独立的滑动窗进行新息的收集和处理，解决了由于参考星变化或卫星信号失锁造成观测量中断而无法准确计算新息协方差的难题。算法应用简单，无复杂或运算量巨大的算式，实时性和运算量方面都可保证在DSP或FPGA硬件平台上的算法编程实现，即易于工程实现。

摘要： 本发明公开了一种顾及多因子的自适应Kalman滤波滑坡预报方法，该方法首先构建Kalman滤波状态方程和观测方程，并建立基于多因子的Kalman滤波递推方程组，引入指数型衰减因子进行加权衰减记忆Kalman滤波，最终实现对滑坡预测的预报。本发明方法考虑滑坡外部诱发因子的随机干扰，减少了滑坡变形模型在线性化中产生的误差；同时引入了衰减因子，有效抑制了经典Kalman滤波易发散的问题，极大提高了滤波的准确性和滤波精度，从而进一步保证了采用顾及多因子的自适应Kalman滤波方法进行滑坡灾害预报的可靠性。