摘要:

针对系统偏差模型难以构建和保证状态协方差半正定性的问题,提出了平方根无迹卡尔曼滤波(SRUKF)和权值网络(WN)相结合的系统偏差估计算法(SRUKF-WN算法).首先,构造了包含WN的网络连接权值、系统偏差以及目标量测在内的WN系统偏差估计模型;其次,建立了SRUKF-WN算法状态空间模型,通过SRUKF算法估计最优的网络连接权值;最后,将最优网络连接权值估计值用于WN,进而得到最优系统偏差估计值,并用其配准传感器的量测.仿真结果表明,该SRUKF-WN算法具有较快收敛性、较短算法耗时以及较高的算法精度.

摘要:

为了解决非线性系统中故障参数估计问题，提出多重渐消因子强跟踪平方根无迹卡尔曼滤波（MST?SRUKF）算法。MST?SRUKF将多重渐消因子引入到协方差矩阵平方根中，推导适用于平方根无迹卡尔曼滤波（SRUKF）的渐消因子计算公式，从而实时调整SRUKF中的增益矩阵，保证其对模型存在较大误差或者突变情况下的滤波精度。实验结果表明，相比于SRUKF和强跟踪无迹卡尔曼滤波（STUKF），MST?SRUKF对故障参数具有更高的估计精度。

摘要:

为了解决现有多移动机器人定位算法难以同时兼顾定位精度和实时性的问题,该文给出了一种基于相对方位的平方根无迹卡尔曼滤波( Square-root unscented Kalman filter,SR-UKF)多移动机器人协同定位算法. 该方法根据机器人运动学方程和量测方程给出多移动机器人自定位的动态模型,利用相对方位作为量测值,在滤波中直接传递协方差矩阵的平方根对系统状态整体更新,实现了多机器人系统的分布式自定位. 仿真结果表明:在同等条件下,SR-UKF 算法定位精度比已有算法精度提高了近一倍,单次平均运行时间减少了三分之二.

摘要:

为了解决非线性系统中故障参数估计问题，提出多重渐消因子强跟踪平方根无迹卡尔曼滤波（MST?SRUKF）算法。MST?SRUKF将多重渐消因子引入到协方差矩阵平方根中，推导适用于平方根无迹卡尔曼滤波（SRUKF）的渐消因子计算公式，从而实时调整SRUKF中的增益矩阵，保证其对模型存在较大误差或者突变情况下的滤波精度。实验结果表明，相比于SRUKF和强跟踪无迹卡尔曼滤波（STUKF），MST?SRUKF对故障参数具有更高的估计精度。

摘要:

针对单站无源定位可观测性弱、观测噪声大而导致的定位精度低、稳定性差和收敛速度慢等问题，在结合平方根无迹卡尔曼滤波（Square-Root Unscented Kalman Filter, SRUKF）以及后向平滑思想的基础上，提出了一种改进SRUKF的双向滤波算法。该算法采用Q-R分解的形式，使用误差协方差的平方根代替协方差参与递推运算，提高了算法的稳定性与运算效率。同时，该算法对状态向量进行扩维，将过程噪声与观测噪声通过非线性系统传播，降低了噪声对滤波精度的影响，并利用当前时刻滤波结果通过Rauch-Tung-Striebel（RTS）后向平滑得到再次前向滤波更高精度的起始值，提高了算法的定位精度与收敛速度。仿真结果表明，新算法在保证实时性的基础上改善了单站无源定位的性能。

摘要:

针对一般的加性高斯白噪声系统,结合平方根无迹卡尔曼滤波和加性噪声无迹卡尔曼滤波的优点,提出了无须增广变量的加性高斯白噪声系统的平方根无迹卡尔曼滤波方法,并给出了其详细算法.该算法较传统方法具有较小的运算负担,较高的精度,并能有效克服滤波的发散.该方法应用于卫星导航系统动态多径估计问题,能够高效准确地得到直射信号与多径信号的各个参数的估计,从而抑制多径的影响.仿真试验表明,该方法在诸多方面改进了已有方法,是一种高效准确的非线性滤波方法.

摘要:

毫米波/红外(MMW/IR)传感器是各国发展多模复合制导技术的重点.针对平方根无迹卡尔曼滤波(SR-UKF)的估计算法存在线性化误差及粒子滤波中得到优化的重要性密度函数比较困难的问题,将平方根无迹卡尔曼滤波与粒子滤波相结合,提出一种序贯融合的平方根无迹卡尔曼粒子滤波(SR-UK-PF)算法.利用平方根无迹卡尔曼算法得到的状态更新矩阵和误差协方差矩阵,构造粒子滤波的重要性密度函数,这样重要性密度函数能够融入最新观测信息,进而更加符合真实状态的后验概率分布.为验证算法的有效性,以地空导弹中MMW/IR传感器复合制导为背景进行仿真研究与分析,结果表明,该算法克服了粒子滤波法难以得到优化重要性密度函数的缺陷,能有效提高多传感器系统状态估计的精度.

摘要:

针对锂电池工作在温度不恒定的环境中时单个模型无法捕捉电池参数动态变化,导致电池模型误差增大,荷电状态估计精度下降的问题,提出使用交互式多模型平方根无迹卡尔曼滤波算法来估计电池荷电状态.以戴维宁电池模型为基础建立了一组电池温度子模型,并实现参数辨识;在平方根无迹卡尔曼滤波的基础上,利用交互式多模型方法估计电池荷电状态,通过实时调整模型概率来实现各个模型间的软切换.实验结果表明,交互式多模型方法融合了不同温度下的电池信息,增强了荷电状态估计的精度和鲁棒性.

摘要:

针对基于仅测角导航的空间交会问题,开展了采用线性协方差进行闭环控制误差快速分析方法的研究.建立了基于平方根无迹卡尔曼滤波(Square Root Unscented Kalman Filter,SRUKF) 的仅测角导航算法并推导了观测敏感矩阵,构建了基于多脉冲Hill制导的闭环控制线性协方差分析模型.算例验证结果表明:提出的闭环控制协方差分析结果与Monte Carlo打靶结果能够很好地吻合;该方法适用于采用传统扩展卡尔曼滤波(Extended Kalman Filter,EKF)的仅测角导航问题,但其迹向位置的估计存在一个与该方向控制误差方差相当的偏心,其误差椭圆的长轴和短轴分别比基于SRUKF的估计结果大24.68%和20.56%.此外,由于采用了QR分解和Cholesky 因子更新两种高效的代数运算,基于SRUKF的协方差分析模型的计算速度要比基于EKF的协方差分析模型的大10%.

摘要:

为了避免被动跟踪中非线性性带来的计算复杂化及跟踪精度的下降,该文将平方根无迹卡尔曼滤波(SR-UKF)算法应用到水下仅测角目标跟踪.利用协方差平方根代替协方差参加递推运算,解决了标准无迹卡尔曼滤波(UKF)算法中由于计算误差和噪声等因素有可能引起误差协方差矩阵负定而导致滤波结果发散的问题,保证了滤波算法的数值稳定性,提高了跟踪的精度和可靠性.仿真结果表明,SR-UKF非线性滤波算法应用于水下仅测角目标跟踪系统是有效的,而且滤波精度、稳定性和收敛时间明显优于扩展卡尔曼滤波(EKF)和标准UKF算法.