基于二阶异常位模型的重力异常畸变级联Kalman滤波校正方法

借助基于二阶高斯-马尔可夫异常位模型的重力异常协方差函数,得到了海洋重力测量中重力异常信号的状态方程．结合实际重力仪的系统状态方程和系统量测方程,提出了级联卡尔曼滤波方法,并将其应用于重力异常畸变信号的校正处理中．在信号处理过程中,首先采用卡尔曼逆滤波恢复含高频干扰的重力异常,然后采用自适应卡尔曼滤波,以重力异常状态方程为系统方程估计实际重力异常值,并与单一卡尔曼逆滤波器的处理结果进行了对比分析．仿真和试验表明,级联卡尔曼滤波方法和单一卡尔曼逆滤波都能在一定程度上减小重力异常信号的畸变,但在相同背景条件下,级联卡尔曼滤波方法的性能优于单一逆卡尔曼滤波．     

Real-time localization estimator of mobile node in wireless sensor networks based on extended Kalman filter

Localization of the sensor nodes is a key supporting technology in wireless sensor networks (WSNs). In this paper, a real-time localization estimator of mobile node in WSNs based on extended Kalman filter (KF) is proposed. Mobile node movement model is analyzed and online sequential iterative method is used to compute location result. The detailed steps of mobile sensor node self-localization adopting extended Kalman filter (EKF) is designed. The simulation results show that the accuracy of the localization estimator scheme designed is better than those of maximum likelihood estimation (MLE) and traditional KF algorithm.     

基于Kalman滤波器的红外标志点快速识别与跟踪

在军事上,利用移动机器人跟踪前方的引导员,在野外复杂环境中完成后勤运输与救援任务有重要的意义．针对野外复杂环境这个应用背景,提出了一个基于红外标志点的视觉跟踪系统,该系统有效的解决了传统的视觉跟踪方法受周围环境影响而不能够准确的识别跟踪对象的缺陷;针对传统的标志点识别采用全局搜索的方法计算量大、实时性差的缺陷,提出了一种基于Kalman滤波器预测的红外标志点的识别方法,该方法较传统的标志点识别方法识别速度提高了93％．     

Blind channel equalization algorithm based on dual unscented Kalman filter for chaotic multi-input multi-output communication systems

To reduce channel noise,fading,and inter-user interference effectively in the chaotic communication systems with multi-user,a blind channel equalization algorithm based on dual unscented Kalman filter algorithm is proposed.Assuming that the coefficients of a multi-input multi-output (MIMO) channel can be described by an autoregressive model,two separate state-space representations are used for the signals and coefficients.Then two unscented Kalman filters are used to estimate chaotic signals and channel coefficients simultaneously.The simulation results indicate that the algorithm can effectively track the coefficients of the multi-path fading channel in chaotic MIMO communication systems at a fast convergence speed.     

基于二阶RC锂电池模型的自适应卡尔曼SOC估算

为了更加精确地估算锂电池荷电状态,建立能够反映电池动态工作特性的二阶RC等效模型。在模型参数辨识的基础上,先用数学分析、电路模型构建相关状态方程与观测方程,再结合扩展卡尔曼滤波算法,针对状态噪声与观测噪声的不确定干扰,提出一种自适应调整方案。通过锂电池放电实验,结合MATLAB仿真分析,验证了自适应调整后的卡尔曼滤波算法可更精确地预估锂电池荷电状态,与扩展卡尔曼滤波算法相比,该算法降低了约2.31%的误差。     

抑制扩频系统中窄带干扰的新卡尔曼滤波算法

A new Kalman filtering algorithm based on estimation of spread spectrum signal before suppression of narrowband interference （NBI） in spread spectrum systems, using the dependence of autoregressive （AR） interference, is presented compared with performance of the ACM nonlinear filtering algorithm, simulation results show that the proposed algorithm has preferable performance, there is about 5 dB SNR improvement in average.     

基于KALMAN算法的盲空时多用户RAKE接收机

文章针对KALMAN算法的盲空时多用户RAKE接收机,提出的检测在性能优于基于RLS算法的检测器,便于实时处理.     

UKF算法与SVDKF算法性能的比较

在模式识别领域,基于Unscented的卡尔曼滤波算法（UKF）广受关注,但在求解过程中经常会遇到病态问题,从而影响算法的性能。基于奇异值分解（SVD）的卡尔曼滤波算法（SVDKF）以SVD代替Cholesky分解协方差矩阵产生sigma样本点,可以提高协方差矩阵的数值稳定性。通过对两种算法性能进行仿真比较发现,SVDKF算法优于UKF算法,具有良好的鲁棒性,能有效改善滤波性能,提高算法的精度。     

Motion information analysis system based on acceleration signals

A motion information analysis system based on the acceleration data is proposed in this paper,consisting of filtering,feature extraction and classification.The Kalman filter is adopted to eliminate the noise.With the time-domain and frequency-domain analysis,acceleration features like the amplitude,the period and the acceleration region values are obtained.Furthermore,the accuracy of the motion classification is improved by using the k-nearest neighbor （KNN） algorithm.     

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EKF和RBF的路面附着系数估计

针对车辆行驶下的路面附着系数估计问题,提出了扩展卡尔曼滤波算法(EKF,Extended Kalman Filter)与径向基神经网络(RBF,Radial Basis Functionneural network)相融合。通过扩展卡尔曼滤波算法得出路面附着系数估计所需要的车辆状态参数,结合轮速等直接数据采用径向基神经网络对路面附着系数进行估计。神经网络的训练样本通过Carsim/Simulink收集不同行驶工况,并采用差值寻优的方法对径向基神经网络算法中的决定系数进行优化。基于双移线工况验证了该算法在路面附着系数估计上具有较高的精准度。     

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.     

机器人无标定手眼协调方法研究

无标定情况下的视觉定位是机器人视觉伺服领域的热点和难点。提出一种基于快速自适应滤波的机器人无标定手眼协调方法。首先根据机器人三维基坐标建立运动空间和图像特征空间的微分映射关系,在不预先标定视觉传感器与机器人参数情况下,设计一个直接估计增益矩阵 Kk 的自适应滤波器,在线辨识图像雅可比矩阵。采用最小二乘法获得状态估计的初始值,在此基础上设计视觉控制器和计算运动控制量。在 MAT?LAB 环境下建立机器人手眼协调控制系统仿真模型,将该方法用于观测噪声统计特性未知情况下的定位反馈,并对机器人空间螺旋运动的跟踪情况进行分析。实验结果表明,该自适应滤波器能够完成不规则环境下视觉引导的追踪任务,定位效果优于常规卡尔曼滤波和 Sage-Husa 自适应滤波,具有较强的鲁棒性。     

鲁棒UKF滤波算法在SINS初始对准中的应用

针对系统存在不确定性扰动时传统UKF滤波算法的滤波精度和鲁棒性均下降的问题,提出了一种基于H∞范数的鲁棒UKF滤波算法.该算法在Krein空间内对简化UKF滤波算法进行改进,增加了一个鲁棒环节.鲁棒环节通过引入给定正常数调整滤波增益从而提高滤波算法的鲁棒性能.在SINS大方位失准角初始对准中对简化UKF滤波算法和鲁棒U...     

基于Kalman滤波的多传感器分布式数据融合算法及其并行实现

1Introduction Inrecentyears,multisensordatafusiontechniques havefoundwidespreadapplicationsinmanytracking andsurveillancesystemsaswellasinapplications wherereliabilityisofamainconcern[1].Multisensor datafusionisdefinedasaprocessofintegratingdata frommulti…     

基于Kalman滤波器的INS/WSN紧组合导航系统模型

在基于惯性导航系统和无线传感器网络的组合导航系统中,为了解决传统导航信息松组合方法中测量信息可观性较差的问题,提出了一种基于卡尔曼滤波器的导航信息紧组合模型.当无线传感器网络的信号可用时,组合导航系统将惯性导航系统测量得到的未知节点与已知节点的距离与无线传感器网络测量得到的距离作差,差值作为卡尔曼滤波器的测量信息.由于...     

Precise navigation for a 4WS mobile robot

INTRODUCTION Precise navigation is being researched and ap- plied in various fields, especially for outdoor mobile robots (Wang et al., 1998; Lee, 1997; Iida et al., 2000), such as those used in cargo container trans- portation at seaport, in precision agriculture, military vehicles, etc. As we know, applied sensors and rele- vant data processing basically determine the accuracy of navigation. In our research, GPS and encoders are used as navigation sensors. As an absolute positioning s…     

一种基于核岭回归与卡尔曼滤波的定位算法

传感器定位技术作为无线传感器网络的重要课题之一,为实现目标实时定位,提出一种基于核岭回归与卡尔曼滤波的定位算法。该算法在离线阶段使用核岭回归算法（KRR）对无线位置指纹数据库进行训练,从而得到一个可反映信号强度指标（RSSI）与位置坐标之间映射关系的函数|在线阶段先利用离线阶段得到的函数对目标进行粗定位,再结合卡尔曼滤波（KF）方法对目标进行精确定位。实验结果表明,在真实室内办公环境下,相比 KNN 算法与核函数（Kernel）算法,该算法能实现更好的定位精度,平均定位误差为 1.898 3m。     

基于Kalman滤波算法的运动目标跟踪系统建模与仿真

鉴于传统的跟踪算法鲁棒性和实时性不足,构建了一种基于Kalman滤波的运动目标跟踪系统。对于运动目标的跟踪,此系统先采用背景差分法检测目标位置,再使用Kalman滤波算法估计目标位置。通过建模仿真,结果表明,该算法能较好预测运动目标的位置,实现了对运动目标的实时跟踪。     

A new approach for target motion analysis with signal time delay

A new approach is proposed in this paper for the problem of the target motion analysis (TMA) with signal propagation time delay. This problem is an unobservable tracking problem in which the acoustic signal transmits with time delay. We present an intelligent range parameterized unscented Kalman filter (IRPUKF) algorithm to estimate the state of the nonlinear unobservable tracking system and propose a recursive model parameter online adjustment method to deal with the time delay in signal propagation. In a simulation of tracking target using a maneuvering acoustic sensor with signal time delay case study, the effectiveness and efficiency of the proposed algorithm is testified to perform better, compared with the range parameterized extended Kalman filter (RPEKF) algorithm.