自适应卡尔曼滤波

摘要： 针对MEMS陀螺仪随机漂移产生的误差,提出一种引入Hurst指数的自适应噪声完备集成经验模态分解(CEEMDAN)与自适应卡尔曼滤波(AKF)相结合的去噪模型。首先,通过CEEMDAN对陀螺仪原始信号进行分解,得到一系列频率由高到低的本征模态函数(IMF)和一个残差余量;然后,提出Hurst指数模态筛选机制,将IMF分量划分为噪声IMF、混合IMF和信息IMF;最后,使用自适应卡尔曼滤波器对混合模态分量进行滤波并重构信号。结果表明,CEEMDAN较EMD和EEMD具有更高的分解精度;使用AKF处理混合模态,通过Hurst指数筛选机制重构信号的信噪比相较于排列熵和相关系数法分别提升约12%、36%;使用Hurst指数筛选机制,AKF处理混合模态后重构信号的RMSE较小波阈值滤波降低约23%。

摘要： 针对6轮足机器人动力电池的荷电状态(state of charge,SOC)估计精度低、电池模型准确度不高等问题,提出一种基于带遗忘因子的递推最小二乘(recursive least squares with forgetting factor,FFRLS)与自适应扩展卡尔曼滤波(adaptive extended Kalman filtering,AEKF)相结合的估计算法。首先通过FFRLS算法辨识建立动力电池等效模型参数;然后利用AEKF对SOC在线估计,并为参数辨识提供准确的开路电压;最后以机器人锂电池包为对象,在动态应力测试工况(dynamic stress test,DST)下实验验证了该算法可以准确地估算动力电池SOC,SOC估计相对误差在2.5%以内。

摘要： 车载摄像头是智能车辆视觉系统中必不可少的部件。在恶劣道路或极限工况下,车辆的振动状况显著,车载摄像头采集到的图像序列会发生抖动。针对此问题,提出了一种适用于车辆复杂工况的电子稳像算法。基于车载工况下的实时性要求,选择ORB(oriented FAST and rotated BRIEF)算法进行特征检测与描述。为了提高特征点匹配精度与匹配效率,改进了传统随机采样一致性算法,增强了其对多匹配点、匹配点集中工况的适应性。为了适应车载工况下的剧烈振动,采用了自适应卡尔曼滤波算法以解决经典的卡尔曼滤波对初值敏感的问题。最后搭建了一辆振动特性显著的汽油模型车,在恶劣的路面条件下开展了实验,在较正常工况更为极端的条件下验证了提出的电子稳像算法的正确性与有效性。

摘要： 目前多采用卡尔曼滤波作为旋翼无人机组合导航系统的滤波算法,但是由于模型误差、量测误差以及故障等情况客观存在于实际系统中,传统卡尔曼滤波算法对上述误差缺乏处理能力,影响滤波精度,导致鲁棒性与容错性能较差。为了改善旋翼无人机的飞行控制效果,应用自适应卡尔曼滤波(adaptive kalman filter,AKF)进行旋翼无人机组合导航解算,算法通过引入自适应因子,实时调整系统模型参数,以提高扩展卡尔曼滤波算法的滤波精度,增强鲁棒性与容错性能。以旋翼无人机真实飞行数据为基础,对自适应卡尔曼滤波算法进行仿真验证,结果表明该算法对于系统建模误差、量测误差及故障的影响有抑制与调节作用,能够提高系统鲁棒性与容错性能,改善旋翼无人机组合导航解算结果。

摘要： 针对信息物理系统下的虚假数据注入攻击(False Data Injection Attack, FDIA)中的随机攻击和隐蔽攻击,基于自适应卡尔曼滤波研究了攻击检测问题。常用的卡方检测可以有效检测出FDIA中的随机攻击,但是具有隐蔽性的FDIA可以绕过错误数据检测机制,使得卡方检测失败。由此在卡方检测的基础上结合相似性检测,针对系统噪声的时变特性,基于自适应卡尔曼滤波提出新的检测方法。该算法解决了实际噪声不确定性对系统的影响,且能有效检测FDIA中的随机攻击和隐蔽攻击。通过仿真验证了该方法的有效性。

摘要： 挠度是连续刚构桥悬臂施工控制的重要对象,其实测值受多个因素影响.从实测挠度中获悉反映结构受力的真实挠度,对其施工控制具有重要意义.基于改进的自适应卡尔曼滤波算法从挠度实测值中提取出真实信号,预测待浇梁段的挠度变化,并调整施工预拱度,使施工实际状态逼近理论计算轨迹,达到施工监控的目的.通过实际工程的应用,证明该方法具有良好的适用性.

摘要： 城市环境中广泛存在的高密度区域与城市“峡谷”产生的多路径误差,严重干扰了全球卫星导航系统(GNSS)卫星信号的传播,导致智能手机标准单点定位(SPP)的精度与可靠性降低。针对这一问题,从参数估计角度提出自适应抗差卡尔曼滤波,进行城市环境多路径误差的削弱研究。通过新息向量结合视线(LOS)环境下得到的检测阈值,进行多路径误差的检测与抗差因子的构建,然后对观测噪声方差阵进行等价替换,同时采用萨格-胡萨(Sage-Husa)算法进行系统噪声的自适应估计和修正,从而达到提高城市环境多种运动模式下手机SPP定位精度的目的。静态与动态实验表明,该方法在城市环境中,能有效削弱多路径误差的影响,提高城市环境手机SPP定位精度。

摘要： 分析表明,荷电状态(SOC)是锂离子电池的关键状态之一,对其精确估计可以实现电池的最大化利用。阐述四种SOC估计方法,并通过实验对比得到了最优的SOC估计方法。首先建立了二阶RC等效电路模型,采用非线性最小二乘法进行模型参数辨识,DST工况试验表明模型误差小于1%。提出了四种卡尔曼滤波衍生算法估计电池SOC。不同工况下的对比结果表明,自适应无迹卡尔曼滤波算法可以更快地让系统稳定,且SOC估计误差最小。

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： 介绍了基于极大验后估计原理的自适应卡尔曼滤波技术的基本原理,给出了自适应卡尔曼滤波噪声向量及噪声方差协方差阵的计算公式,以及其在定点形变观测数据处理中的应用,举例说明了该法用于形变观测数据处理的效果,并与经典卡尔曼滤波方法进行对比分析,得出了两者并无明显优劣之分的结论。

摘要： 由于原始数据包含随机噪声,直接使用IGS公布的电离层总电子数进行建模会导致预测模型建立存在偏差,进而影响电离层TEC预测精度.使用传统卡尔曼滤波在对大量数据进行预处理时容易导致数据发散进而降低模型预测精度.本文采用IGS公布的2016年电离层TEC为原始数据,使用方差补偿自适应卡尔曼滤波对原始数据进行预处理,再利用小波神经网络完成预测,研究模型预报的精准度.实验结果表明,使用经过方差补偿自适应卡尔曼滤波的原始数据完成预报,预报残差小于2TECU占88.93％,相对直接使用原始数据建模提高3.35％,预测平均精度相对直接使用原始数据进行预测提高5.8％.且相对传统卡尔曼滤波也有不同程度的提高.证明将方差补偿自适应卡尔曼滤波在电离层TEC预处理过程中具有较高的可靠性.

摘要： 提出一种将粒子滤波与基于Sage-Husa自适应卡尔曼滤波相结合的两阶段粒子滤波算法.针对状态方程为线性,观测方程非线性的情况,将标准粒子滤波用于第一阶段的滤波,并将得到的估计值作为观测,构建观测噪声协方差未知的线性状态模型、观测模型,进行第二阶段的自适应卡尔曼滤波.通过递归,进而得到各个时刻最终的状态估计值.通过仿真验证,该算法可以有效得提高在特定模型条件下的滤波精度.并且相比于标准粒子滤波,该算法的计算量只有很少量的增加,因而并不会明显影响算法的运行速度.

摘要： 针对GPS信号中存在的窄带干扰，提出了一种基于自回归模型的自适应卡尔曼滤波算法，并分析了应用于非平稳滤波的可行性。将自回归参数作为状态向量，结合样本数据，建立系统的状态空间模型，并对自回归模型进行定阶以及参数估计，同时利用所得到的自回归模型对GPS数据进行处理，并与递推最小二乘法（RLS）和最小均方（LMS）算法进行对比，证明其滤波误差较低，收敛速度明显提高。该技术具有重要的工程应用价值。

摘要： 针对组合导航系统在测量噪声未知的情况下,常规自适应卡尔曼滤波方法的实时性难以满足的问题,提出了一种实时的自适应卡尔曼滤波方法.该方法通过一个简单的指数函数实时调节卡尔曼滤波模型中的测量噪声协方差矩阵,将测量噪声的理论协方差矩阵与实际协方差矩阵的差值作为指数函数的输入,将函数的输出值与上次测量噪声的协方差矩阵之和送入卡尔曼滤波器中进行模型递推,使模型的测量噪声逐渐逼近真实水平.组合导航系统信息融合时,将每一个传感嚣的测量信息送入RAKF模型中进行信息融合,最终得到组合导航系统的定位信息.从仿真结果可以看出该方法具有较强的自适应性,不但实时性好,而且精度高,是一种简单实用的组合导航信息融合方法.

摘要： 研究INS/GPS组合导航系统的自适应卡尔曼滤波器问题,重点分析卡尔曼滤波器发散的内在原因,在此基础上,提出一种基于信息方差匹配技术的自适应模糊控制卡尔曼滤波器方法,并在INS/GPS组合导航系统的数学仿真中得到有效验证,证明该方法可以在不增加系统变量的前提下,抑制滤波器发散,获得较好的滤波精度。

摘要： 由于电动汽车电池管理系统在实际工作中常受到未知噪声的干扰，进而会影响对动力电池荷电状态（State of Charge，SOC）的估计。本文结合Simulink中的锂离子电池模块，用自适应卡尔曼滤波(Adaptive Kalman Filtering, AKF)，在未知的噪声干扰下，估计锂离子动力电池SOC。仿真实验结果表明，自适应卡尔曼滤波算法可以有效处理未知干扰对SOC估计的影响，提高估计精度和可靠性。

摘要： 推导了捷联惯性导航系统的误差模型,结合SINS/GPS组合导航误差模型,设计了自适应卡尔曼滤波器,利用修正信息形成制导控制指令控制飞行器的飞行,实现组合制导控制。仿真结果表明：基于该组合制导算法的制导控制精度达到米级,可用于精确制导控制。

摘要： 脑机接口(BCI)技术需要一种具有快速、高信噪比、高稳定性并能保留关键成分四个特点的诱发成分提取方法.叠加平均技术需要采集多个试次的数据进行处理,不具有快速提取的能力;而可用于单次诱发成分的提取方法各有缺点,如独立成分分析在信噪比较低的情况下效果较差等.卡尔曼滤波方法具有快速高实时性的特点.本文研究并实现该方法在单通道脑电信号单次诱发成分提取技术.为了保留关键成分并剔除伪成分,本文提出了一种可自适应参数估计的卡尔曼滤波方法,该方法可自动识别出诱发成分和噪声成分并对应调整过程噪声参数估计.最终实现了一种能够同时满足上述四个要求的单通道脑电信号单次诱发成分提取方法.

摘要： 脑机接口(BCI)技术需要一种具有快速、高信噪比、高稳定性并能保留关键成分四个特点的诱发成分提取方法.叠加平均技术需要采集多个试次的数据进行处理,不具有快速提取的能力;而可用于单次诱发成分的提取方法各有缺点,如独立成分分析在信噪比较低的情况下效果较差等.卡尔曼滤波方法具有快速高实时性的特点.本文研究并实现该方法在单通道脑电信号单次诱发成分提取技术.为了保留关键成分并剔除伪成分,本文提出了一种可自适应参数估计的卡尔曼滤波方法,该方法可自动识别出诱发成分和噪声成分并对应调整过程噪声参数估计.最终实现了一种能够同时满足上述四个要求的单通道脑电信号单次诱发成分提取方法.

摘要： 脑机接口(BCI)技术需要一种具有快速、高信噪比、高稳定性并能保留关键成分四个特点的诱发成分提取方法.叠加平均技术需要采集多个试次的数据进行处理,不具有快速提取的能力;而可用于单次诱发成分的提取方法各有缺点,如独立成分分析在信噪比较低的情况下效果较差等.卡尔曼滤波方法具有快速高实时性的特点.本文研究并实现该方法在单通道脑电信号单次诱发成分提取技术.为了保留关键成分并剔除伪成分,本文提出了一种可自适应参数估计的卡尔曼滤波方法,该方法可自动识别出诱发成分和噪声成分并对应调整过程噪声参数估计.最终实现了一种能够同时满足上述四个要求的单通道脑电信号单次诱发成分提取方法.

摘要： 本发明提出一种基于自适应二阶卡尔曼滤波器的载波跟踪环路及其滤波方法，该自适应二阶卡尔曼滤波器的载波跟踪环路包括本地载波发生器、积分清除器、载波环鉴相器、环路滤波器和自适应二阶卡尔曼滤波器。本发明克服了传统卡尔曼滤波器在先验信息不准确时使滤波器发散，从而导致跟踪环路失锁的缺点。本发明在系统模型不完整或其先验信息不准确时，通过渐消因子自适应的调节预测误差协方差矩阵，从而达到实时调整增益矩阵的目的，使滤波器接近最优，可以有效的抑制滤波器的发散，且本发明中渐消因子的估算方法计算简单，计算量小，适应性强，提高了滤波算法的可靠性。

摘要： 本发明公开了一种基于卡尔曼滤波改进模型的自适应巡航控制方法包括：基于车间纵向动力学构建车间状态关系模型；基于所述状态关系模型和车辆运动状态构建车辆运动学模型；利用卡尔曼滤波对状态变量进行修正，获取预测模型，并在其中加入车辆控制需求约束；基于模型预测误差修正所述预测模型，采用约束软化扩大可行域，获取车辆控制目标函数。本发明通过利用卡尔曼滤波对输入控制器的状态变量进行降噪控制来减少雨雾天气对ACC系统的影响；通过利用预测值与实际值之间的误差对跟车预测模型进行修正，增强了ACC系统的鲁棒性；通过约束软化的方式来扩大可行域进而减少恶劣天气对ACC系统的影响。

摘要： 本发明公开了一种基于扩展卡尔曼滤波的自适应毫米波波束追踪方法。本发明公布的波束追踪方法首先根据用信道角度变化的速率，确定最大和最小追踪间隔，之后通过比较追踪前后波束成形后信噪比的变化判断是否使用扩展卡尔曼滤波器进行追踪。本发明公布的方法不需要知道信道的瞬时增益，只需要将信道的角度变化作为待估计量，可以根据通信信道角度变化的速率，实时自动调整波束追踪的频率，在保证追踪精度的同时，有效延长波束追踪的时间，降低波束追踪的开销。

摘要： 本发明公开了一种基于自适应控制的卡尔曼滤波钢桁架桥梁结构参数监测方法，首先确定钢桁架桥梁结构所在的质量、刚度等力学参数；其次采集钢桁架桥梁结构所在桁架速度、加速度、位移及地面加速度振动响应数据；然后利用卡尔曼滤波算法跟踪结构速度、加速度、位移及刚度的变化，结合动态统计过程算法进行包络控制，当刚度产生变化值，超过包络的控制线时实现自动报警。本发明针对卡尔曼滤波算法进行优化使其能够在钢桁架桥梁结构上达到预测刚度的变化，符合实际的工程需求；相比传统的单一阈值算法，改善了固定阈值缺点将其优化为动态控制，为钢桁架桥梁结构的性能评估提供了参考，能够有效的服务钢桁架桥梁结构的管养工作。

摘要： 本申请涉及基于自适应定位及卡尔曼滤波跟踪的手部实时感知方法。所述方法包括：获取RGB图像并对RGB图像进行预处理；将预处理后的RGB图像输入训练好的OpenPose人体姿态估计模型，得到第一预设数目的人体关键点；在第一预设数目的人体关键点中提取第二预设数目的手腕点、手肘点和肩膀点组成前臂关键点对和上臂关键点对；基于优化的卡尔曼滤波前臂跟踪器为前臂关键点对取得第一预测结果；利用第一预测结果自适应生成手部局部区域，将手部局部区域对应的RGB图像输入至训练好的BlazePalm手部检测模型中，获得手部检测框；基于优化的卡尔曼滤波手部检测框跟踪器为所述手部检测框取得第二预测结果作为手部实时感知结果。本申请能实现稳定、实时及精准的手部感知结果。

摘要： 本公开的自适应鲁棒矩阵卡尔曼滤波的高旋体空中对准方法，以K矩阵为状态变量构建所述高旋体空中对准滤波模型；根据K矩阵状态向量的上一时刻的估计值和当前时刻的估计值定义第一噪声评价指标，根据K矩阵状态向量上一刻的估计值和当前时刻的量测信息定义第二噪声评价指标；融合第一噪声评价指标和第二噪声评价指标为综合噪声评价指标；基于综合噪声评价指标的统计置信域对噪声异常程度自适应分类；构建自适应鲁棒矩阵卡尔曼滤波模型，递推自适应鲁棒矩阵卡尔曼滤波算法得到量测信息的误差协方差矩阵，进而得到最优K矩阵。能够在非高斯噪声环境下实现高旋体空中对准，对准时间短且对准精度高，鲁棒性强。

摘要： 本发明公开了基于自适应卡尔曼滤波器的风轮故障自适应诊断方法，主要涉及风电技术领域；包括步骤：S1、分析不同风轮不平衡故障种类下的塔架振动特征；S2、根据塔架振动特征建立不平衡故障诊断子流程；S3、基于自适应卡尔曼滤波器进行故障诊断；本发明利用自适应卡尔曼滤波器对风机塔架信号进行估计，分离出塔架轴向振动与切向振动的基频与3倍频信号分量，然后利用各分量幅值特征诊断出风轮不平衡故障，实现对风轮不平衡故障快速、准确的诊断。

摘要： 本发明公开了一种基于误差控制的卡尔曼滤波自适应滤波算法，考虑到初始滤波计算过程及系统状态突变的场景下，由于观测误差过大，造成滤波结果不稳定的情况，在自适应卡尔曼滤波算法的基础上，基于观测误差的协方差矩阵，设计一个自适应抑制因子，再利用该自适应抑制因子构建观测误差协方差矩阵的自适应修正模型，最后结合卡尔曼滤波算法的预测及更新模型，利用当前时刻系统状态的测量值和预测值，得到系统当前时刻较为精确的最终状态。本发明通过设计自适应抑制因子对系统进行误差控制，降低了观测误差对于卡尔曼增益的影响，提升了基于滤波算法估计系统状态结果的稳定性。

摘要： 本发明涉及一种基于自适应卡尔曼滤波算法的MEMS陀螺滤波方法，包括以下步骤：步骤一：建立卡尔曼滤波器的状态方程和测量方程；步骤二：根据MEMS陀螺的静态角速度数据计算得到卡尔曼滤波算法的测量噪声方差阵，及迭代计算得到卡尔曼滤波算法的过程噪声方差阵；步骤三：利用卡尔曼滤波算法对MEMS陀螺的数据进行滤波；步骤四：根据滤波结果计算过程噪声方差阵的迭代系数，返回步骤二，对过程噪声方差阵进行更新迭代，直至完成MEMS陀螺的数据滤波。本发明的滤波方法对模型精度要求不高，可以自主迭代计算过程噪声方差阵，能够有效降低MEMS陀螺的随机噪声，实时提高MEMS陀螺动态数据输出精度，从而提高卫星的姿态稳定度。

摘要： 本发明公开了一种基于深度集成网络自适应卡尔曼滤波的路面附着系数估计方法，本发明基于常规车载传感器信号，无需借助视觉图像信息，避免了因高速行驶时图像质量较差导致的估测失准，且降低了对算法性能的要求，便于了方案的实施与应用。本发明的方法兼具了深度预测网络和卡尔曼观测器的优点，是一种准确性较高且泛化性较好的路面附着系数预测方法，可有效提升路面附着系数估计的准确性，为极限工况行驶车辆提供了更加准确的控制依据。引入强化学习理论对深度网络进行优化，避免了因训练误差导致的路面附着系数估计值溢出正常值的情况。