卡尔曼滤波

摘要： 卡尔曼滤波因其实时更新的特点,已经作为一种重要的参数估计方法被广泛运用于动态导航定位中.为削弱模糊度参数影响,提高收敛速度,可以将正反向卡尔曼滤波的思想引入动态精密单点定位的参数估计中.但当模型描述不准确或噪声设置不合理时,第一次滤波提供的初始信息将不再可靠,此时正反向滤波也不再起作用甚至导致滤波发散.针对这个问题,本文将方差分量估计引入正反向卡尔曼滤波,基于严密的Helmert方差分量估计模型,对第一次滤波的随机模型进行验后估计.通过仿动态定位和车载动态PPP实验验证发现,本文提出的方法可以较合理地平衡先验信息和观测信息对首次滤波解的影响,使第二次反方向滤波能更准确地进行.

摘要： 卫星信号的捕获过程需要一定的硬件资源,且消耗时间,为了节约硬件资源,减少成本,同时为了提高捕获性能,去除量测噪声,文章提出一种基于卡尔曼滤波的压缩感知卫星信号捕获算法.首先,分析北斗卫星信号的稀疏性,构造稀疏变换矩阵,选择测量矩阵进行观测;其次,在信号重构阶段引入Kalman滤波,用Kalman滤波代替最小二乘法,每次迭代都获得最佳信号估计,同时采用弱匹配的方式筛选有效信息,剔除冗余信息从而重构信号.最后得到码相位的准确估计值.实验结果表明,与传统的捕获算法相比,该算法重构性能好,且大大地降低了硬件接收机的成本,计算量明显减少.

摘要： 针对传统定位接收机在低信噪比环境下残留载波跟踪误差较大的缺点,本文提出了一种基于最大似然估计(Maximum likelihood estimation,MLE)和卡尔曼滤波(Kalman Filter,KF)的载波环路参数估计算法.该方法对相干积分后的数据进行处理,根据给出的包含信号幅度,载波频率和载波相位的MLE代价函数推导出MLE鉴别器公式,并利用文伯格-马夸特(Levenberg-Marquardt,LM)参数估计算法迭代得到参数初始值,应用KF算法平滑LM估计值,形成闭合的载波环路.该方法能够有效减小TC-OFDM载波环路中信号参数的估计误差,提高接收机在低信噪比环境下的跟踪灵敏度.理论分析和仿真结果表明,本文提出的新型载波环路充分利用环路参数特性,克服了传统载波跟踪环路算法的不足,有效提高TC-OFDM接收机的跟踪灵敏度.

摘要： 飞行器集群飞行能够扩大工作范围,提高整体效率.飞行器集群飞行中存在着不同用途、不同类型以及性能的飞行器协同飞行情况.但是对于不同类型和性能的飞行器进行集群飞行时,由于不同飞行器的导航性能差距较大,使得各飞行器无法同时准确到达既定阵列位置,因而会影响飞行器的整体集群.本文在分析到达时间差(TDOA)方程求解目标位置坐标原理的基础上,针对分析阵列飞行时的特点以及集群飞行中不同类型飞机定位精度差异,研究了将定位精度较高的飞行器作为基准飞行器,利用飞行器相互之间的距离信息来提高定位误差较大飞行器的定位精度的方法.该方法通过将飞行器机载平台导航系统输出的导航参数转化为地球坐标系(ECEF)坐标系下的坐标,通过构建集群飞行器协同导航模型并采用集群飞行器协同导航算法来计算目标飞行器的位置坐标并对计算结果进行优化.结合协同算法求解的目标飞行器位置解算结果,利用卡尔曼滤波对机载导航信息进行修正.仿真验证表明,该算法可提高性能较低飞机的定位精度,有效修正机载导航信息.

摘要： 随着微机电系统(MEMS)技术和计算机技术的不断发展成熟以及对低成本因素的考虑,对飞行器姿态解算的各种性能指标要求也日趋提高,采用常规的姿态解算算法或者单纯只采用卡尔曼滤波算法来求解已经不能满足现在对飞行器姿态解算精度高、可靠性高、环境自适应能力强和成本低的要求.针对捷联惯性测量单元(IMU)噪声大、误差累积的缺点和传统的卡尔曼滤波姿态解算算法精度不高、环境适应性能力差等缺点,本文在研究卡尔曼滤波模型和神经网络模型的基础上,提出了BP-卡尔曼融合滤波的姿态解算算法,对卡尔曼滤波模型的预测结果用BP神经网络予以模型优化,以补偿卡尔曼滤波自身存在的模型误差,得到最终解算结果.通过仿真实验,对比传统的卡尔曼滤波模型和BP-卡尔曼融合滤波模型的解算结果,结果表明该算法提高了姿态解算精度而且增强了对环境的自适应能力.

摘要： 近年来,随着智能手机的逐渐普及,越来越多的室内定位技术进入了我们的视线.当前的室内定位研究方法多种多样,大体上可以分为基于惯性测量单元、无线网络如WIFI和蓝牙、相机、超声波等方法.行人航位推算(PDR)是一种不依赖外部设备的,只需利用自身提供的传感器来定位的一种方法.由于其定位的高精度特性,行人航位推算逐渐成为了室内定位研究领域中重要的方法之一.然而,由于惯性测量单元固有的特性,行人航位推算系统一旦在大场景,长距离环境下将会造成相当大的累积误差.这篇文章提出了一种结合视觉结构线条信息来提高行人航位推算系统精度的新方法.由于目前智能手机的快速发展,几乎所有的设备都至少有一颗高分辨率的镜头和高精度的传感器单元,使得这种基于智能手机的新方法成为可能.我们提出了视觉陀螺仪这个概念,能够从连续帧图像中获得设备的航向角变化,再将其与PDR中的航向角通过卡尔曼滤波结合起来,得到一个更加精确的航向从而使得定位更加精确.

摘要： 在室内环境中,接收机接收信号衰减严重甚至出现频率阶跃的情况,传统接收机跟踪环路无法稳定跟踪,从而影响接收机的最终定位精度.针对上述问题,本文提出了一种基于自适应权值调整的载波跟踪方法.根据动态门限,自适应地调整鉴频值和鉴相值的权值,将调整后的鉴频值和鉴相值作为观测误差矢量,采用卡尔曼滤波器替代传统的载波环路滤波器,建立新型的二阶锁频环辅助三阶锁相环的载波跟踪环模型.仿真结果表明,在弱信号环境下,该算法有效提高时分码分正交频分复用(Time&Code Division-Orthogonal Frequency Division Multiplexing,TC-OFDM)定位接收机的频率收敛速度,提高接收机跟踪灵敏度1-2dB.

摘要： 针对室内定位精度不高的问题,本文以DWM1000超宽带模块为基础,采用ADS-TWR测距机制,降低了标签与多个基站之间的测距复杂度.对测距进行了线性拟合,卡尔曼滤波和误差门限设置的优化处理,减小测距误差.在传统的三角质心定位基础上,对估计坐标进行加权,平均定位精度提高了10.5％.仿真以及实验结果证明测距优化后的质心加权定位方法能达到厘米级的定位精度,使静态定位和动态定位误差都能稳定在0.1米以内.

摘要： 本文对共时钟四天线GNSS/SINS紧组合的几种改进算法进行了研究和仿真,以实现高精度定位和测姿.以共时钟四天线GNSS/SINS紧组合模型为基础,改进了几个关键算法:将传统的双差载波相位观测模型用共时钟单差模型代替,由于共时钟意味着四个接收天线共用一个时钟,同传统双差模型相比,共时钟单差模型降低了参数的相关性.本文的单差模型采用一种新的载波相位模糊度确定算法,即模糊度替代法,其特点是可以减少模糊度搜索范围,提高整数模糊度固定效率;利用共时钟四天线GNSS存在多余基线观测值这一优势,研究了实时多基线测姿的平差算法;改进了共时钟四天线GNSS/SINS紧组合融合算法,将GNSS伪距、伪距率和载波相位观测值与惯导测量值组合,基于新息协方差自适应渐消滤波,分析了滤波算法过程.仿真结果显示,基于新息协方差的自适应渐消滤波算法较好地抑制滤波器的发散和动态系统误差的影响,表明该算法是可行的和有效的.

摘要： 本文对共时钟四天线GNSS/SINS紧组合的几种改进算法进行了研究和仿真,以实现高精度定位和测姿.以共时钟四天线GNSS/SINS紧组合模型为基础,改进了几个关键算法:将传统的双差载波相位观测模型用共时钟单差模型代替,由于共时钟意味着四个接收天线共用一个时钟,同传统双差模型相比,共时钟单差模型降低了参数的相关性.本文的单差模型采用一种新的载波相位模糊度确定算法,即模糊度替代法,其特点是可以减少模糊度搜索范围,提高整数模糊度固定效率;利用共时钟四天线GNSS存在多余基线观测值这一优势,研究了实时多基线测姿的平差算法;改进了共时钟四天线GNSS/SINS紧组合融合算法,将GNSS伪距、伪距率和载波相位观测值与惯导测量值组合,基于新息协方差自适应渐消滤波,分析了滤波算法过程.仿真结果显示,基于新息协方差的自适应渐消滤波算法较好地抑制滤波器的发散和动态系统误差的影响,表明该算法是可行的和有效的.

摘要： 本发明涉及一种基于级联卡尔曼滤波的智能汽车轮胎半径自适应估计方法，包括以下步骤：1)轮速信号处理子模块根据GNSS采样频率对轮速信号进行重采样；2)当GNSS状态判断子模块判断当前GNSS状态良好时，轮胎半径估计模块采用级联卡尔曼滤波估计得到车速和轮胎半径实时估计值；3)输出模块对轮胎半径估计模块得到的轮胎半径实时估计值进行收敛及稳定性判断，当轮胎半径实时估计值稳定且收敛时，输出轮胎半径实时估计值，否则输出初始值。与现有技术相比，本发明具有成本低廉、计结果精度高、鲁棒性强、应用范围广等优点。

摘要： 本申请属于气象服务技术领域，特别涉及一种基于卡尔曼滤波的气温预报方法及系统。所述基于卡尔曼滤波的气温预报方法包括：步骤a：将初始气象资料输入HAPS系统，通过HAPS系统输出自动气象站点的HAPS气温预报结果；步骤b：计算自动气象站点所在位置，并利用卡尔曼滤波方法对HAPS气温预报结果进行单要素释用，得到各自动气象站点释用结果；步骤c：基于自动气象站点释用结果，采用偏差订正方法对HAPS气温预报结果进行订正，得到自动气象站点订正后的气温预报结果。本申请通过卡尔曼滤波方法对HAPS气温预报结果进行订正，能有效克服HAPS系统的误差，并保持预报质量稳定。

摘要： 本发明涉及一种基于卡尔曼滤波的INS/GNSS/偏振/地磁组合导航对准方法，选择初始对准的状态变量，建立组合导航系统误差方程；根据偏振传感器输出的偏振方位角与INS输出的方位角匹配融合建立偏振量测方程；根据磁强计输出的航向角与INS输出的航向角建立地磁量测方程；根据GNSS输出的速度、位置信息与INS输出的速度、位置信息匹配融合建立误差量测方程；利用增广技术建立统一的组合导航系统量测方程；设计卡尔曼滤波器估计组合导航系统的失准角、速度误差以及位置误差等物理量；对组合导航系统姿态、速度及位置进行反馈校正，提高初始对准估计精度。本发明具有精度高、计算量小、兼容性强的优点，并减少初始对准时间。

摘要： 本发明公开一种集群自主协同中的GNSS动态卡尔曼滤波方法，包括以下步骤：计算双差观测值、计算观测方程式、计算双差伪距观测值、计算双差伪距观测方程式、计算基于伪距与载波相位的双差观测方程、列出双差观测方程和卡尔曼滤波解算；本发明通过计算双差观测值来消除接收机钟差和卫星钟差，并将具有高仰角的卫星称为参考卫星的首选，确保各个双差观测值的精确性，且将对应于不同站间和星间的伪距测量值组成双差伪距，利用双差载波相位来平滑相应的双差伪距，从而降低双差伪距观测值的测量噪声，被平滑或滤波后的双差伪距观测值既有较低的测量噪声，又保持着无整周模糊度的优点。

摘要： 本发明公开一种基于卡尔曼滤波的多控制器最优状态估计策略设计方法，首先针对无线网络化控制系统进行系统建模，分析了网络化控制系统中存在网络传输时延对系统闭环控制的影响；其次，研究分布式控制器的信息融合，构建基于分布式双控制器的网络控制最优化问题；最后，采用卡尔曼滤波算法，对双控制器接收到的平台状态信息进行卡尔曼滤波分析，进而利用迭代递归方法求解得到最优状态估计控制策略，并通过仿真实验验证其可行性。该发明利用卡尔曼滤波算法及迭代递归方法，解决了当无线通信网络中存在传输时延以及受噪声干扰无法获得准确的平台状态信息时，分布式控制器的最优状态估计控制策略问题，从而实现了利用分布式多控制器协同控制，达到提高网络化控制系统稳定性及减小系统损耗的目的。

摘要： 本发明提供了一种基于自适应H无穷扩展卡尔曼滤波的状态估计方法，不仅可以有效界定系统参数不确定性所引入的估计误差上限，并且采用了自适应技术对滤波参数和系统噪声统计特性进行自适应估计，避免了传统H无穷扩展卡尔曼滤波误差上限难选取以及系统噪声统计特性无法准确获取的问题，具有更强的鲁棒性，能够实现系统更高精度的状态估计。

摘要： 本发明公开车载微惯性/卫星组合导航系统的自适应卡尔曼滤波方法。该方法在当组合导航系统状态估计误差参数与量测噪声参数未知或时变时，在进行状态估计的同时，根据量测输出与状态信息实时地对量测噪声方差阵与状态噪声方差阵进行更新。利用指数渐消记忆加权平均方法，渐消陈旧量测噪声与系统噪声的影响，同时针对噪声方差阵可能失去正定性的问题，引入序贯滤波的方法对其矩阵中对角线上的每个元素的大小进行限制。本发明计算量小，鲁棒性好，相比传统卡尔曼滤波，能获得车辆更高精度的位置信息、速度信息与姿态信息。

摘要： 本发明公开的基于Anytime修复式稀疏A*与卡尔曼滤波的动态航迹规划方法，属于无人机航迹规划技术领域。本发明实现方法为：首先需基于滚动规划策略，在目标观测周期T内，采用自适应扩展卡尔曼滤波算法对下一时刻任务环境中动态威胁及运动目标的位置进行估计，将估计结果作为无人机航迹规划的输入信息；然后，使用Anytime修复式稀疏A*算法进行无人机快速航迹规划，使得无人机能够提前感知环境变化，改变航路方向，并在有限时间内输出可行航迹，顺利规避动态威胁，准确抵达目标区域。本发明在无人机真实任务环境中存在动态威胁和运动目标的情况下，能够保证无人机规避全部威胁、缩短到达目标区域的时间。本发明具有求解效率高、鲁棒性强的特点。

摘要： 本发明实施例公开了一种基于失准角的卡尔曼滤波姿态估计方法。所述方法包括：构建载体坐标系，并确定载体坐标系到NED导航坐标系的转换矩阵；采用东向水平失准角、北向水平失准角和陀螺漂移作为系统状态，以水平加速度作为量测状态；根据失准角方程构建卡尔曼滤波系统的状态方程；基于卡尔曼滤波实现载体姿态的估计。另外，综合考虑载体运动状态，确定是否对载体姿态进行修正。本发明实施例的技术方案根据失准角方程构建4维状态量的卡尔曼滤波，在保证姿态估计精确度的同时，降低了系统运算复杂度，并且基于载体运动状态，判断是否进行姿态修正，能够进一步提高运算效率，提高系统的鲁棒性。

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。