检索结果-南通市图书馆

带乘性噪声的欠观测系统无迹增量Kalman融合估计

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

黑龙江大学工程学报（中英俄文） 2024年第2期15卷 66-74页

作者：崔永鹏孙小君张扬黑龙江大学电子工程学院哈尔滨150080 黑龙江大学机电工程学院哈尔滨150080 黑龙江信息融合估计与检测重点实验室哈尔滨150080

研究了带乘性噪声的非线性欠观测系统的多传感融合估计问题。采用虚拟状态向量与虚拟噪声,并为虚拟状态设计一步预报器与状态更新方程。针对非线性欠观测系统提出了无迹增量Kalman滤波算法(UIKF)。提出了对角矩阵加权的融合增量卡尔曼... 详细信息

研究了带乘性噪声的非线性欠观测系统的多传感融合估计问题。采用虚拟状态向量与虚拟噪声,并为虚拟状态设计一步预报器与状态更新方程。针对非线性欠观测系统提出了无迹增量Kalman滤波算法(UIKF)。提出了对角矩阵加权的融合增量卡尔曼滤波器。通过对比分析,得到增量估计值精度要高于标准估值精度,加权融合曲线的估值精度要高于单一子传感器估值精度,验证了在滤波过程中使用增量滤波方法对状态估计的优化。

关键词：信息融合乘性噪声欠观测系统无迹Kalman滤波增量滤波

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

一类欠观测系统的可观测性研究

中国科学：物理学、力学、天文学 2022年第1期52卷 2-13页

作者：王大轶董天舒侯博文李嘉兴李茂登徐超邹元杰葛东明北京空间飞行器总体设计部北京100094 北京理工大学宇航学院北京100081 国防科技大学文理学院长沙410073 北京控制工程研究所北京100081

探索月球及月球以远天体对推动太阳系起源、行星演化、生命起源等基础科学问题的研究至关重要,已成为各航天强国的发展重心.由于深空探测任务距离遥远,深空探测器依靠地面测控网进行导航难以保证安全可靠运行,亟需发展自主导航能力.基... 详细信息

探索月球及月球以远天体对推动太阳系起源、行星演化、生命起源等基础科学问题的研究至关重要,已成为各航天强国的发展重心.由于深空探测任务距离遥远,深空探测器依靠地面测控网进行导航难以保证安全可靠运行,亟需发展自主导航能力.基于序列图像的自主导航系统具有成本低、功耗小、全程适用和数据结构简单等优点,可有效降低深空探测器自主导航系统的空间及能源负担,是实现深空探测器自主导航的理想手段之一.但是,受深空探测目标先验信息缺失及复杂环境下系统误差难以自主校正的影响,基于序列图像的深空探测自主导航系统属于典型的欠观测系统.为提升此类自主导航系统的精度和工程实用性,需以可观测性理论研究为基础,指导自主导航系统的设计及工程实现.针对可观测性理论研究的实际需求,本文首先从非线性系统可观测能力的表征、判定及量化等三个方面系统地阐述了现有理论及方法的研究现状;之后,调研了一类欠观测系统(基于序列图像的自主导航系统)的可观测性分析方法,给出了针对此类系统的可观测性研究现状,并讨论了各方法之间的优劣;最后,通过对已有成果进行总结归纳,探讨了现阶段欠观测系统可观测性研究存在的不足以及未来的发展趋势.

关键词：欠观测系统序列图像可观测性非线性系统

多传感器欠观测系统融合自校正增量Kalman滤波器

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

多传感器欠观测系统融合自校正增量Kalman滤波器

作者：肖波黑龙江大学

学位级别：硕士

随着近年来高速电子计算机的迅速发展以及世界各国人造卫星发射中对轨道、导航技术的需求,多传感器信息融合滤波理论逐渐走入相关研究人员的视野。为了从被污染的观测信号寻求未知真实信号或状态的估值,已有一系列Kalman滤波算法被提出... 详细信息

随着近年来高速电子计算机的迅速发展以及世界各国人造卫星发射中对轨道、导航技术的需求,多传感器信息融合滤波理论逐渐走入相关研究人员的视野。为了从被污染的观测信号寻求未知真实信号或状态的估值,已有一系列Kalman滤波算法被提出用来解决此类问题,其实时递推的性质优于其它一般的滤波算法。然而,由于系统模型的复杂性、工作环境中的不确定因素和测量设备自身存在的误差,导致系统模型带有未知、不确定的参数,或者出现量测系统误差的情况,也就是欠观测状态,若在此状态下仍继续使用传统Kalman滤波算法,滤波器性能会因此损坏,使得滤波发散,进而提出了增量模型下的Kalman滤波器并与自校正信息融合算法结合,从而解决上述问题的发生。本文是基于已有的增量滤波模型,提出多传感器欠观测融合自校正增量Kalman滤波算法,有以下几个步骤:首先提出新的参数估计算法,有基于增量观测模型的递推辅助变量(RIV)算法、基于增量观测模型的递推增广最小二乘(RELS)估计算法和基于增量观测模型的两段RLS-RELS算法,能够解决在欠观测系统下模型参数未知的情况,有效地辨识了未知模型参数。后续的仿真例子检验了算法的可行性。其次引用第二章已提出的基于增量模型新的参数估计方法,结合已有的增量Kalman滤波器,提出单传感器欠观测系统自校正增量Kalman算法,算法的收敛性由动态误差系统分析(DESA)方法证明,有效的解决了增量Kalman滤波器在模型参数未知的情况。后续的仿真例子检验了算法的可行性。最后在实际应用中环境复杂,目标的识别与控制无法由单一传感器完成,同时为了进一步提高欠观测系统状态估计的准确性,分别提出了多传感器加权状态融合和观测融合的自校正增量Kalman滤波器。后续的仿真例子检验了算法的可行性。

关键词：欠观测系统多传感器系统增量模型自校正融合估计增量Kalman滤波

多传感器欠观测系统信息融合自适应增量Kalman估值器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多传感器欠观测系统信息融合自适应增量Kalman估值器

作者：周晗黑龙江大学

学位级别：硕士

在欠观测条件下,当系统的量测方程无法进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而引起较大的滤波误差。同样的,当状态噪声与量测噪声的统计量未知时,滤波器的性能也会变坏,甚至会导致滤波发散。增量方程的引入可以... 详细信息

在欠观测条件下,当系统的量测方程无法进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而引起较大的滤波误差。同样的,当状态噪声与量测噪声的统计量未知时,滤波器的性能也会变坏,甚至会导致滤波发散。增量方程的引入可以有效消除系统中所出现的未知量测误差,噪声统计估值器的加入也可在滤波过程中对噪声统计进行实时估计与修正,从而带未知量测误差与未知噪声统计的欠观测系统的状态估计问题可以转换为增量系统的自适应状态估计问题。为进一步提高欠观测系统下噪声统计与状态的估计精度,本文将针对带未知量测误差和未知噪声统计的多传感器欠观测系统。首先,提出一种新的基于新息的噪声统计估计算法,其估计精度要高于已有的改进Sage-Husa自适应算法。所提出的基于新息的自适应增量Kalman滤波算法有效的解决了欠观测条件下系统带未知噪声统计的无偏估计及进一步的状态估计问题。其次,本文结合多传感器分布式加权融合算法,基于线性最小方差意义下的最优融合算法,分别提出了多传感器加权状态融合和加权观测融合的自适应增量Kalman估值器。最后,针对广义CAR模型系统,提出一种基于自适应增量Kalman估值器的观测预报算法,并与加权观测融合算法相结合,能够有效解决多传感欠观测系统下的观测增量的预测与更新。仿真实例证实上述所提算法的有效性与可行性。

关键词：欠观测系统自适应算法增量Kalman滤波无偏性加权信息融合

多传感器欠观测广义系统信息融合增量Kalman滤波器

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多传感器欠观测广义系统信息融合增量Kalman滤波器

作者：马光鹏黑龙江大学

学位级别：硕士

随着广义系统理论被普遍的应用于机械计算机辅助模型、航空航天等领域,广义系统状态估计问题也得到了广泛的关注。提到状态估计就会想到Kalman滤波,因为此方法发展较为完善,也便于借助计算机仿真实验。还有提高估计精度也是需要考虑的问... 详细信息

随着广义系统理论被普遍的应用于机械计算机辅助模型、航空航天等领域,广义系统状态估计问题也得到了广泛的关注。提到状态估计就会想到Kalman滤波,因为此方法发展较为完善,也便于借助计算机仿真实验。还有提高估计精度也是需要考虑的问题,那么信息融合理论就应运出现,在多传感器信息融合状态估计问题的研究中,借助Kalman滤波算法的加权观测融合算法是一种全局最优分布式融合算法,计算量较小。该算法能够进一步提高系统的估值精度,尽管Kalman滤波已相当完善但自身还有缺陷没有得到解决,例如Kalman滤波算法必须在模型参数精确和白噪声的条件下才能进行正常工作。实际中很难保证有这种条件,则这会导致系统产生未知误差。Kalman滤波算法没有能力消除这类系统误差。所以针对带未知参数欠观测广义系统的状态估计问题,本文进行基于增量观测方程的欠观测广义系统增量Kalman估值算法和融合算法的相关研究,内容包括:基于线性离散广义系统的一种增量方程,分别推导两种典范型的欠观测广义系统增量Kalman估值算法和多传感器系统的两种典范型融合增量Kalman估值算法。针对增量观测方程带有色噪声时的估计问题,提出带有色噪声欠观测广义增量Kalman估值算法和带有色噪声多传感器欠观测广义融合增量Kalman估值算法。上述算法都给出仿真实例,结果能证明其实用性和优越性。

关键词：加权融合多传感器信息融合广义系统欠观测系统增量滤波

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

加权融合鲁棒增量Kalman滤波器

电子与信息学报 2021年第12期43卷 3680-3686页

作者：孙小君周晗沈海滨闫广明黑龙江大学电子工程学院哈尔滨150080 黑龙江省信息融合估计与检测重点实验室哈尔滨150080

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。同样地,当系统的噪声方差不确定时,滤波的性能也将会变坏,甚至会引起滤波器发散。增量方程的引入可以有效消... 详细信息

在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。同样地,当系统的噪声方差不确定时,滤波的性能也将会变坏,甚至会引起滤波器发散。增量方程的引入可以有效消除系统的未知量测误差,从而带未知量测误差的欠观测系统的状态估计问题可以转换为增量系统的状态估计问题。该文考虑带未知量测误差和未知噪声方差的线性离散系统,首先提出一种基于增量方程的鲁棒增量Kalman滤波器。进而,基于线性最小方差最优融合准则,提出一种加权融合鲁棒增量Kalman滤波算法。仿真实例证明了所提算法的有效性和可行性。

关键词：信息融合加权融合欠观测系统增量滤波鲁棒性

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

多传感器信息融合增量卡尔曼滤波器

多传感器信息融合增量卡尔曼滤波器

作者：王曼迪黑龙江大学

学位级别：硕士

多传感器信息融合滤波理论目前已被广泛应用于航空、航天、航海、工业过程控制、目标跟踪等领域。信息的融合能够充分利用不同传感器的观测信息,从而可以得到系统状态的一种最佳描述,能够保证系统的可靠性。而在复杂环境下,如对多传感... 详细信息

多传感器信息融合滤波理论目前已被广泛应用于航空、航天、航海、工业过程控制、目标跟踪等领域。信息的融合能够充分利用不同传感器的观测信息,从而可以得到系统状态的一种最佳描述,能够保证系统的可靠性。而在复杂环境下,如对多传感器系统能够有效的识别、剔除各种错误或误差信息的话,则将可以进一步提高系统状态估计的精度。Kalman滤波算法是一种极为常用的状态估计方法,其递推的算法形式,较小的数据存储量都使得它更优于其他一般的滤波算法。然而,在实际应用过程中,由于周围环境的影响、测量设备自身造成的误差、模型和参数选取不当等原因,常常造成测量数据中的系统误差随时间变化而漂移。这种量测系统误差通常又是难于验证或校准的,直接使用传统的Kalman滤波算法往往也会引起较大的滤波误差。针对该问题,本文进行了基于增量方程的多传感器欠观测系统Kalman滤波算法和融合算法的相关研究,主要内容包含如下几个方面:首先对线性离散欠观测系统提出了一种新的增量方程,并基于两种增量方程分别提出了相应的增量Kalman估值器(包括增量滤波器、增量预报器和增量平滑器),能够有效解决传统Kalman滤波算法解决不了的欠观测系统的状态估计问题;其次,基于线性最小方差最优融合准则,分别提出了多传感器欠观测系统加权状态融合和加权观测融合增量Kalman估值器,提高了多传感器欠观测系统的状态估计精度。最后,考虑增量观测噪声为有色噪声的情形,分别提出了带有色观测噪声的局部和加权观测融合增量Kalman估值器,相比带白色观测噪声的增量Kalman估值器在估计精度上又有了进一步的提高。以上算法都给出了具体的仿真应用实例,仿真结果充分说明了所提出的算法的有效性和实用性。

关键词：多传感器信息融合加权融合欠观测系统增量模型增量滤波