基于逆协方差交叉融合的多传感器非线性滤波器

为了解决互协方差未知的多传感器非线性系统的融合估计问题,针对非线性系统提出了基于序贯逆协方差交叉和并行逆协方差交叉的两种容积卡尔曼融合估计算法.各个子系统通过容积卡尔曼滤波器得到滤波估计,分别利用序贯逆协方差交叉融合算法和并行逆协方差交叉融合算法对各子系统局部估计进行融合.两种算法可有效地避免求解高维的权系数凸优化问题,降低了计算负担.当传感器数目很多时,并行逆协方差交叉融合算法因其多层并行结构可以显著节约融合时间.最后仿真结果证明了算法的有效性.     

鲁棒融合Kalman滤波在异步电机转速控制中的应用

协方差交叉融合算法是新兴的一种分布式融合算法,该算法避免了局部互协方差或相关阵的计算,算法简单,故得到了广泛的应用.以异步电机转速控制为应用背景,进行协方差交叉融合Kalman滤波算法的应用研究.相比已有的单传感器状态估计,所提出的协方差交叉融合状态估计算法估计精度更高.仿真实例分析说明了所提出的算法的有效性.     

非线性离散系统基于扩展Kalman滤波的鲁棒融合状态估计

非线性系统的状态估计问题是现代控制理论研究中不可或缺的一部分.提出一种基于扩展Kalman滤波的鲁棒融合状态估计算法,它是在已有的扩展Kalman滤波算法的基础上,通过引入CI状态融合来实现的.融合算法的引入能有效填补扩展Kalman滤波器在模型线性化时所带有的精度损失;CI融合算法因为避免了局部估计误差互协方差的计算而变得简单易行,尤其便于实际工程应用.仿真实验结果表明了所提出的多传感器非线性离散系统的CI融合状态估计算法可有效减少估计误差,具有一定的有效性和可行性.     

基于TDOA/Doppler测量的联邦UKF移动位置估计算法(英文)

为了进一步提高移动台的跟踪和定位性能,提出了一种基于联邦滤波结构和简化UKF的移动位置最优估计与融合新方法.该算法以Singer移动台运动模型作为参考系统,以简化UKF滤波器作为子滤波器,对2组独立检测的TDOA和Doppler测量值进行局部估计;然后在主滤波器中,对子滤波器的估计结果按标量加权进行最优融合,得到全局最优或次最优融合估计结果;最后主滤波器利用全局估计结果对子滤波器和参考系统进行反馈和信息重置,以进行下一步估计.仿真试验中,对该算法用于移动台位置估计的效果和性能进行评估,并与基于TDOA和基于Doppler的简化UKF方法做比较.仿真结果表明,该算法能有效降低移动台位置估计的误差和方差,具有良好的均方根误差和均值误差CDF性能.     

面向INS/WSN组合定位的分布式H∞融合滤波器设计

为了保持未知节点在2个相邻簇之间移动时导航精度的稳定,提出了一种基于H∞滤波的惯性导航系统和无线传感器网络组合导航分布式融合方法.由于组合系统的过程和测量噪声具有未知的但能量有界的统计特性,因此在提出的方法中,用H∞滤波器来融合局部估计测量的信息.该滤波器能够根据一定的信息融合准则产生最佳的状态估计.仿真结果显示:与联...     

基于蚁群优化的边缘化粒子滤波器跟踪算法

针对边缘化粒子滤波器(MPF)中的Kalman滤波通常无法从量测方程中获得线性状态估计,以及标准粒子滤波器估计非线性状态计算量大和粒子退化的问题,提出了一种改进的MPF粒子滤波目标跟踪算法。该方法采用状态的预测值作为Kalman粒子滤波的量测更新,用Kalman滤波估计目标的速度和加速度,并通过蚁群优化算法改进标准粒子滤波器,并用以估计目标的位置信息。仿真结果表明:该方法在提高目标状态估计精度的同时,降低了粒子滤波的计算复杂度,克服了粒子滤波退化现象。     

具有一步随机滞后和丢包多传感器系统分布式递推融合预报器

研究了具有一步随机滞后和丢包多传感器系统的分布式递推融合估计问题.利用满足伯努利分布的随机变量描述传感器到估计器的随机滞后和丢包现象.通过定义新变量,将原系统等价地转化为随机参数化系统.基于局部最优线性估值,局部估值之间的互协方差阵,以及先验融合估值和局部估值之间的互协方差阵,提出了分布式递推融合预报算法.给出稳态预报器存在的一个充分条件.通过仿真验证其有效性.     

对于带未知噪声的反卷积系统的多传感器信息融合辨识算法

对于一个带未知噪声的反卷积系统,提出一种基于自回归滑动平均(ARMA)模型的多传感器信息融合辨识算法,使用该算法可以得到对系统未知噪声统计和部分未知参数的局部和融合估计,并且证明了估计的收敛性。     

一种改进的粒子滤波目标跟踪算法

针对无线传感器网络实际环境的非线性模型目标跟踪问题,提出一种改进的粒子滤波跟踪算法。首先用模糊C-均值算法确定量测的目标归属,对同一目标的量测进行线性融合,然后用采样重要重采样粒子滤波估计目标位置。仿真结果表明：在非线性模型下,所提出算法与扩展卡尔曼滤波相比,目标估计位置的均方根误差从0．6895m显著减小到0．3703m。     

基于电子雷达通信的追踪目标精度优化改进

在无需传感器系统中实现了工作性能良好、精准时间的航迹关联雷达通信,采用Bar Shalom-Campo航迹融合算法优化设计了无反馈形式的分布式航迹融合。理论分析表明,算法能够通过先验信息,实现运算量以及运算难度的降低。实验结果得到:改进的算法的雷达通信过程中误差明显小于单个传感器的误差;优化的航迹融合算法与单一雷达的滤波相比能够显著提高定位精度,定位性能有了明显的改进;优化算法后的系统能够达到多传感融合改进目标定位。这一研究对最大程度的优化系统的工作能力具有明显的理论和实践应用价值。     

基于数据融合技术的图像平滑方法

在分析边缘保持滤波器算法的基础上,应用多传感器数据融合技术,提出了一种新的图像平滑算法。该算法釆用线状掩模窗口和最优融合估计方法,有效地增强了边缘保持能力和去噪能力,克服了边缘保持滤波器存在的缺陷。实验结果表明,该算法性能优于边缘保持滤波器及经典均值滤波器。     

基于小波变换的序贯航迹关联算法

在分布式多传感器信息融合系统中,航迹关联是航迹融合过程中首要解决的问题,即如何判断来自于不同系统的航迹是否来源于同一目标.本文将小波变换引入到航迹关联算法研究中,利用小波变换将卡尔曼滤波后的航迹提取新的特征向量,从航迹的整体态势和局部细节变化两方面对原有的序贯航迹关联算法进行改进,提出了一种新的航迹关联算法.该算法将小波变换与序贯思想结合起来,提高了正确关联率.最后,对该算法进行仿真实验,证明了该算法的正确性和有效性,并搭建了数据链信息融合半实物仿真测试平台,模拟了数据链系统中信息融合的全过程.     

基于修正协方差扩展卡尔曼滤波法的电动汽车锂电池SOC在线估计(英文)

为弥补传统电动汽车锂电池SOC估计算法估计误差大的缺陷,考虑电动汽车动力电池复杂的工作条件,将参数在线辨识方法和修正协方差扩展卡尔曼滤波(MVEKF)算法结合,提出了一种锂电池SOC在线估计算法.新算法使用变遗忘因子递归最小二乘法实现模型参数在线辨识,利用修正后的状态估计值重新计算迭代过程中的协方差,并将新的过程增益值用于下一状态估计以减少滤波误差.恒脉冲放电和动态应力测试(DST)等实验表明:在电池复杂的充放电条件下,与EKF算法对比,MVEKF滤波算法估计误差更小,最多可减少5%的误差;在DST条件下的充电过程中,EKF会有较大的偏差且不稳定,而MVEKF算法可稳定地估计SOC,且鲁棒性强,适用于电动汽车电池复杂多变的工作条件.     

基于 CMT 的红外可见融合跟踪算法

现有大部分融合跟踪算法都使用分类器型跟踪算法,这种算法在目标尺度发生变化时会存在一定误差。虽然已有一些解决方案,但仍不能从根本上解决该问题,而且一般无法估算目标的旋转状态。为此,基于CMT 算法提出一种新的基于点的多传感器融合跟踪算法。在获取目标状态上综合了多传感器信息,并对目标中心使用卡尔曼滤波进行修正,能够跟踪目标并获得目标的尺度及旋转信息。实验结果表明,该算法在常见分辨率下跟踪非旋转目标,重叠率与现有算法相当,在分辨率较高的情况下,在实时性上具有优势。     

基于光流和特征点匹配相融合的低动态载体速度计算方法（英文）

针对光强分布不均匀环境下低动态载体速度计算精度低的问题,提出了一种改进自适应卡尔曼滤波方法应用于光流跟踪与尺度不变特征变换(SIFT)相融合的速度误差估计.该算法引入了一种非线性模糊隶属度函数和滤波残差用于自适应调整过程噪声的协方差矩阵.在计算载体速度过程中,首先利用光流跟踪法和SIFT方法分别进行帧间位移的跟踪和匹配并计算出载体的速度,同时将这2种方法求取的速度做差作为改进的自适应卡尔曼滤波器的观测量,最后使用改进的自适应卡尔曼滤波器输出的速度误差估计值对光流法求取的速度进行校正.半物理实验结果表明,该算法求解的最大速度误差较光流法减小了29%,且运算时间较SIFT方法减少约80%.     

基于DV-HOP算法的提高定位精度研究

无线传感器网络在目标追踪、环境监测到空间探索等方面得到广泛应用,其关键支撑技术之一是节点定位.以经典的DV-HOP算法为研究对象,为突破算法本身的计算应用条件限制,在使用最小二乘原理得到位置信息时,采用异方差消除原理,在参考节点位置信息存在明显误差时,提高未知节点的定位精度.仿真实验结果表明:与原算法相比,改进算法能够降低累积误差带来影响,定位精度明显提高.     

无线传感器网络加权质心定位算法改进研究

对无线传感器网络定位中常用的质心算法进行了改进。改进算法将盲节点接收到的RSSI数据转换为距离,并将距离作为锚节点权值,从而估计出盲节点的坐标位置。仿真结果表明,改进算法提高了定位精度,降低了定位误差,且没有增添系统通信负担及计算量。     

融合激光雷达和RGB-D相机建图

针对智能小车在未知环境的条件下,利用单一传感器同时定位与地图创建不能准确构建复杂环境地图的问题,提出采用一种RTABMAP算法,用于融合激光雷达和RGB-D相机建图,该算法采集了激光雷达、RGB-D相机和里程计的数据,将其存储在内存管理机制的节点中,提取这些节点的特征。通过匹配节点间的视觉词汇次数更新节点的权重,采用离散贝叶斯滤波估计进行回环检测,优化局部地图,最终构建全局地图。在安装有开源机器人操作系统(ROS)的智能小车上实验。结果表明,本研究方法在障碍物检测率方面与激光建图和RGB-D相机建图方法相比,提高了30.75%和18.63%;地图尺寸误差分别减少了0.013和0.150 m;角度误差分别减少了3°和1°。     

分布式多传感器交互式多模型融合算法

将交互式多模型(IMM)算法应用到分布式多传感器融合跟踪系统中,代替原有系统的单模型Kalman滤波,推导出了分布式多传感器交互式多模型信息融合算法,并通过仿真实例验证了算法的效果。     

基于部分反馈的LQG模态半主动控制算法

针对复杂结构半主动控制造价高、难以实现工程应用的缺点,对传统模态半主动控制算法改进并提出基于部分反馈的LQG模态半主动控制算法.算法中设计的Kalman滤波估计器可直接从结构的部分反馈信息对截断模态响应向量进行估计.通过在一安装有MR阻尼器的平板网架结构振动控制数值仿真表明,该算法对外部激励有很好的适应性,控制效果可以接近传统Clipped-optimal半主动控制算法,同时由于控制方程维数和所需传感器个数的降低,将更适合于复杂结构的工程应用.