强跟踪滤波

摘要： 针对室内环境下超宽带测量信息异常造成的轨迹预测失真问题,融合无人车惯性导航与超宽带模块,提出了一种自适应强跟踪误差状态卡尔曼滤波算法。首先,针对测量与预测信息的差值异常问题,基于误差状态卡尔曼滤波框架,利用滑动窗算法修正新息矩阵;其次,针对异常误差权值过大问题,根据马氏距离构建测量异常误差判别门限,建立改进的二段胡贝尔(Huber)权函数,有效降低了异常误差的权值;最后,针对导航系统弱跟踪问题,算法利用渐消因子自适应调整状态协方差矩阵。实验结果表明:该方法在保证导航实时性的基础上,与误差状态卡尔曼滤波算法、自适应误差状态卡尔曼滤波算法和无迹卡尔曼滤波算法相比,轨迹平均估计误差分别降低50.0%、40.2%和23.5%,提高了融合系统轨迹预测的准确度。

摘要： 联合概率数据关联(JPDA)算法在解决多目标跟踪时需要目标准确的动力学模型,动力学模型失配在多机动目标跟踪中时常发生,而作为有效的解决方法之一——强跟踪滤波(STF)是针对无杂波环境下的单机动目标设计的.为了提高杂波环境下多机动目标跟踪精度,提出一种联合概率数据关联强跟踪滤波(JPDA-STF)算法.该算法为了能够实现各个目标的渐消因子计算,采用对与目标关联的量测进行加权融合的方式获取目标新息协方差,其中,量测权重的计算则是通过JPDA的方式获取.通过各目标渐消因子获取状态预测协方差,随后在卡尔曼滤波框架下即可实现目标状态的更新.实验结果表明,该算法相比于传统的JPDA算法能够更有效地降低跟踪误差.

摘要： 在光电跟踪系统中,图像采集装置相对控制系统传感器滞后,会使脱靶量出现误差,将导致控制系统的跟踪精度降低.为了提高跟踪精度,提出了一种用于补偿跟踪脱靶量数据的自适应卡尔曼滤波方法.首先,通过CSM模型计算当前时间的状态预测矩阵和预测误差方差矩阵;再根据强跟踪滤波器,利用残差序列计算调节因子;然后,利用调节因子校正预测误差方差矩阵和机动频率;最后,使用校正后的参数更新预测的输出信息.仿真与实验结果表明:在高机动情况下,采用自适应卡尔曼滤波算法,跟踪误差的均方根误差RMS约为传统算法的0.21倍,最大跟踪误差和均方根误差都有显著减小.

摘要： 该文借助MATLAB仿真软件,以DTS200三容水箱系统为对象,设计了基于强跟踪滤波算法的三容水箱液位估计仿真实验平台.考虑三容水箱系统可能存在的参数扰动和未知输入,建立其非线性数学模型,利用强跟踪滤波算法进行液位估计,并将估计结果与著名的扩展卡尔曼滤波算法的结果进行对比,验证了强跟踪滤波算法具有更强的跟踪突变状态的能力.该实验平台有助于自动化专业大学生加深对现代控制理论的理解,提高学生的科研热情.

摘要： 针对传统非线性滤波算法对状态突变的鲁棒性较差,存在跟踪缓慢甚至失效的问题,提出了强跟踪七阶正交容积卡尔曼滤波(ST-7thCQKF)算法。算法将对非线性系统滤波效果良好的七阶正交容积卡尔曼滤波(7thCQKF)与强跟踪滤波(STF)融合,通过在7thCQKF的预测协方差中引入渐消因子调节增益矩阵,提高算法对状态突变系统的跟踪效果。仿真和实验结果表明,ST-7thCQKF能够较好地处理状态突变系统的跟踪问题。

摘要： 如何提高粒子滤波中采样效率和算法对突变状态的跟踪能力,是粒子滤波算法研究和应用中的重点.将强跟踪滤波算法与粒子滤波算法相结合,提出了改进强跟踪粒子滤波(Improved Strong Tracking Particle Filter,ISTPF)算法,该算法通过强跟踪滤波生成一个修正项,并以此修正粒子滤波中的粒子样本,大大提高了采样效率,解决了传统强跟踪粒子滤波算法中粒子退化和采样效率低的问题.最后将ISTPF算法应用于紧组合导航模型中,仿真可得位置误差小于0.3 m,速度误差小于0.05 m/s,姿态误差小于0.05°,证明采用ISTPF算法进行紧组合导航解算,具有较高的精度,此方法具有可行性和优越性.

摘要： 针对传统非线性滤波算法对状态突变的鲁棒性较差,存在跟踪缓慢甚至失效的问题,提出了强跟踪七阶正交容积卡尔曼滤波(ST-7thCQKF)算法.算法将对非线性系统滤波效果良好的七阶正交容积卡尔曼滤波(7thCQKF)与强跟踪滤波(STF)融合,通过在7thCQKF的预测协方差中引入渐消因子调节增益矩阵,提高算法对状态突变系统的跟踪效果.仿真和实验结果表明,ST-7thCQKF能够较好地处理状态突变系统的跟踪问题.

摘要： 非侵入式眼睛跟踪在许多基于视觉的人机交互应用中扮演十分重要的角色,但由于眼睛运动的强非线性,如何确保眼睛跟踪过程中对外界干扰的鲁棒性以及跟踪精确度是其应用的关键问题.为提高眼睛跟踪的鲁棒性和精确度,提出强跟踪五阶容积卡尔曼滤波算法(ST-5thCKF),将强跟踪滤波(STF)次优渐消因子引入具有接近最少容积采样点且保持五阶滤波精确度的五阶容积卡尔曼滤波(5thCKF),获取5thCKF对强非线性良好滤波精确度同时具备STF对外界干扰的鲁棒性.真实条件下的实验结果验证了所提算法在眼睛跟踪中的有效性.

摘要： 在GNSS接收机信号跟踪阶段,跟踪环路容易因为载体高速运动导致环路失锁。为了提高跟踪环路的动态性能和精度,提出了一种基于平方根容积卡尔曼滤波和强跟踪滤波的跟踪环路。在传统跟踪环路的基础上,以同相、正交各支路输出为观测量,在平方根容积卡尔曼滤波中引入渐消因子以提高跟踪环路的鲁棒性,对伪码相位和载波多普勒频率作统一估计。动态仿真试验结果表明,相比于二阶锁频环辅助三阶锁相环,所提出的跟踪环路定位、定速误差减小了25%以上,可以为后续的导航解算等模块提供更为可靠的观测量。

摘要： 为了提升容积卡尔曼滤波CKF在荷电状态估计中的精度与鲁棒性,以锂离子电池的二阶等效模型为研究对象,利用嵌入式容积准则改进CKF的容积点个数与权值分布,加入强跟踪滤波提升其鲁棒性,引入奇异值分解拓宽噪声初值条件给出ISRECKF算法,在动态应力工况下辨识电池二阶等效模型的参数,在直流脉冲工况下分析了ISRECKF、SRECKF与SRCKF的SOC估计性能.结果表明:ISRECKF在SOC初值为1时的平均绝对误差与均方根误差分别为0.006与0.008;初值0.8时分别为0.007与0.011,收敛时间为169 s.该算法在精度与鲁棒性上均优于其余两种算法,具有一定的应用前景.

摘要： 本文对强跟踪滤波理论在飞行轨迹精确跟踪中的应用进行了探讨。当飞机进行大机动轨迹跟踪时，针对一般非线性控制策略的缺陷，引入了分层降阶动态逆控制算法；同时针对非线性系统无法使用Kalman 滤波器的问题，引入强跟踪滤波控制算法，该滤波算法由扩展的Kalman滤波器改造而来，设计思想是：使得残差序列在每一步相互正交，提取残差序列中所有有用的信息，用作对现时刻系统状态的估计。最后，综合两种算法，基于非线性飞机模型设计了轨迹跟踪控制器和强跟踪滤波器，并进行了飞机的全状态仿真验证。仿真结果表明，所设计的算法对非线性系统具有良好的控制和滤波功能。

摘要： 对无源声探测系统中的声音时延问题进行分析并建立目标运动模型,运用强跟踪滤波器对目标的状态进行估计。在多目标跟踪问题中,用多假设数据关联方法实现目标与传感器量测的关联,仅利用方位角信息完成单声传感器对目标的跟踪.仿真结果表明,对于有时间延迟的无源声探测系统中目标转弯及交叉飞行的情况,运用强跟踪滤波器能正确实现单声传感器对目标的跟踪。

摘要： 本文针对交会对接寻的段的轨道特征和导航要求,采用GPS伪距测量量,且不进行选星,直接采用所有公共可见星设计了两种相对导航滤波器.仿真结果表明:不论是EKF(扩展卡尔曼滤波)还是STF(强跟踪滤波),在可见星数目变化时,相应的导航滤波误差均有一定程度的跳变。由于STF中引入多重渐消因子,使得滤波器收敛速度比EKF快,且滤波器达到稳定时,对过程的突变跟踪能力强.

摘要： 感应电机的四阶模型增加机械和转矩方程，并引入负载转矩和转子电阻为状态变量，得到七阶非线性模型。利用强跟踪滤波（Strong track filter，STF）算法实现电机状态和转子电阻的同时估计，通过仿真比较了STF 和扩展Kalman 滤波（Extended Kalman filter，EKF）算法的估计性能。结果表明，STF 算法能有效估计电机状态及辨识转子电阻，并且具有比EKF 算法更理想的估计性能，同时能满足极低速和零速下的估计要求，从而在电机的整个工作范围内实现转子电阻自适应的状态估计。

摘要： 提出一种强跟踪粒子滤波器,并将其应用于非线性动态系统的故障诊断.将强跟踪滤波器的特点与粒子滤波器算法结合,形成了强跟踪粒子滤波器.对于非线性动态系统故障模型不确定的情况,由粒子滤波器的状态估计值与强跟踪粒子滤波器的状态估计值之间的差来进行故障诊断.仿真研究表明所提出的故障诊断方法能有效地对系统故障进行检测与诊断.

摘要： 本文针对现有的静止轨道GPS自主定轨算法所存在的问题，提出了改进的强跟踪滤波方法，解决了采用EKF时在可见性较差的情况下滤波收敛速度偏慢的问题。数学仿真模拟结果表明了这种方法的有效性，同时，对极弱可见性情况下的滤波效果进行了仿真分析。仿真结果表明了在极弱可见性情况下静止轨道卫星的GPS自主定轨技术也是可行的。

摘要： 对多模型算法的发展过程进行了简单的回顾和评述,重点介绍了经典的交互式多模算法(IMM).另外,本文同时对滤波器的发展进行了简单的回顾,得出卡尔曼滤波器是经典的滤波器,但是同时指出它的不足,重点介绍强跟踪滤波器.提出将强跟踪滤波器引入到多模算法是解决地面目标跟踪的有效的办法.

摘要： 纯方位目标跟踪问题已研究多年，近来基于Unscented变换的Unscented Kalman Filter(UKF)算法广泛应用于被动量测的非机动目标跟踪。当目标发生机动时，UKF的跟踪精度不高。而Strong Tracking Filter(STF)能够通过在线自适应调整增益阵，来跟踪状态的突变。结合UKF和STF各自的优点，本文提出了STF UKF算法，并利用该算法来解决静止双站纯方位机动目标跟踪问题。通过仿真实验，说明了STF_UKF跟踪机动目标的可行性和有效性。特别，当滤波器的初始状态估计的偏差和观测噪声较大时，STF_UKF对机动目标的跟踪性能与UKF跟踪非机动目标的性能相近。

摘要： 纯方位目标跟踪问题已研究多年，近来基于Unscented变换的Unscented Kalman Filter(UKF)算法广泛应用于被动量测的非机动目标跟踪。当目标发生机动时，UKF的跟踪精度不高。而Strong Tracking Filter(STF)能够通过在线自适应调整增益阵，来跟踪状态的突变。结合UKF和STF各自的优点，本文提出了STF UKF算法，并利用该算法来解决静止双站纯方位机动目标跟踪问题。通过仿真实验，说明了STF_UKF跟踪机动目标的可行性和有效性。特别，当滤波器的初始状态估计的偏差和观测噪声较大时，STF_UKF对机动目标的跟踪性能与UKF跟踪非机动目标的性能相近。

摘要： 纯方位目标跟踪问题已研究多年，近来基于Unscented变换的Unscented Kalman Filter(UKF)算法广泛应用于被动量测的非机动目标跟踪。当目标发生机动时，UKF的跟踪精度不高。而Strong Tracking Filter(STF)能够通过在线自适应调整增益阵，来跟踪状态的突变。结合UKF和STF各自的优点，本文提出了STF UKF算法，并利用该算法来解决静止双站纯方位机动目标跟踪问题。通过仿真实验，说明了STF_UKF跟踪机动目标的可行性和有效性。特别，当滤波器的初始状态估计的偏差和观测噪声较大时，STF_UKF对机动目标的跟踪性能与UKF跟踪非机动目标的性能相近。

摘要： 本发明涉及一种基于容积强跟踪信息滤波器的目标跟踪方法。本发明包括估计一步预测目标状态，迭代计算伪观测矩阵、新息矩阵、信息矩阵及信息状态向量，计算目标状态的最优线性估计及其误差协方差。本发明衰减因子可以由伪测量矩阵的迭代计算获得，而不用计算雅可比矩阵。同时，通过引入基于最新更新的时变衰减因子，CSTIF具有强跟踪能力，并且在跟踪目标状态突变及系统模型不精确的情况下，还具有不错的鲁棒性。

摘要： 本发明涉及一种基于变分贝叶斯容积强跟踪信息滤波的目标跟踪方法。本发明包括计算和更新VB方法中的参数；设置VB方法中的循环控制变量的初值为零，并给出迭代次数的值；使用VB方法估计量测噪声的未知方差；估计一步预测目标状态；迭代计算伪观测矩阵、新息矩阵、信息矩阵及信息状态向量。本发明使用变分贝叶斯方法的自适应强跟踪信息滤波方法不仅具有强跟踪能力，还能估计量测噪声的未知方差，实现了自适应功能。同时，衰减系数可以通过迭代的方法估计出来，而无需计算雅可比矩阵。

摘要： 本发明涉及一种基于变分贝叶斯容积强跟踪信息滤波的目标跟踪方法。本发明包括计算和更新VB方法中的参数；设置VB方法中的循环控制变量的初值为零，并给出迭代次数的值；使用VB方法估计量测噪声的未知方差；估计一步预测目标状态；迭代计算伪观测矩阵、新息矩阵、信息矩阵及信息状态向量。本发明使用变分贝叶斯方法的自适应强跟踪信息滤波方法不仅具有强跟踪能力，还能估计量测噪声的未知方差，实现了自适应功能。同时，衰减系数可以通过迭代的方法估计出来，而无需计算雅可比矩阵。

摘要： 本发明涉及一种包含参数跟踪的感应电机状态强跟踪滤波估计方法，其技术特点是：采用PSO迭代学习动态优化算法对感应电机参数的在线跟踪；采用STF算法对感应电机转速与转子磁链的联合估计。本发明采用包含参数跟踪的强跟踪滤波估计算法对感应电机的转速与转子磁链进行联合估计，能够有效实现对感应电机转速与转子磁链的高性能估计，与EKF相比，包含参数跟踪的STF算法在估计精度、跟踪速度和稳定性方面更优越，并且能够快速跟踪突变状态，尤其在低速段仍能保持较好的估计性能，有效提高了状态估计精度和算法鲁棒性，为实现感应电机无速度传感器高性能矢量控制奠定了基础。

摘要： 本发明涉及一种改进SRCKF强跟踪滤波的机动目标跟踪方法，属于数据关联与跟踪技术领域。包括以下步骤：S1：根据目标运动情况和卫星的观测情况建立运动模型和观测模型；S2：滤波初始化；S3：进行滤波预测；S4：进行第一次量测更新；S5：计算带有时间因子的渐消因子并进行门限判决；S6：根据S5的门限判决结果再次进行量测更新。本发明所具有的有益效果为：首先，无需建立较为准确的目标运动模型，仅使用目标正常运动时的运动模型也可以达到对机动目标的跟踪效果；其次，相较于一般的适应性滤波方法，本发明在目标不机动时的跟踪效果与普通不考虑机动的滤波方法相当，且受噪声干扰较少，跟踪结果更具有鲁棒性。

摘要： 本发明公开一种基于强跟踪平方根容积卡尔曼滤波的卫星信号跟踪环路，属于无线通信领域。本发明包括步骤(1)中频数据与本地数控振荡器产生的信号作相关运算，由六路相关器输出作为强跟踪平方根容积卡尔曼滤波器的量测输入；(2)由滤波器对码相位误差、载波相位误差、载波频率误差及其一阶导数分别进行时间更新得到相应的状态预测值；(3)由滤波器对码相位误差、载波相位误差、载波频率误差及其一阶导数分别进行量测更新得到相应的最优估计值；(4)用步骤(3)得到的最优估计值在每个跟踪周期反馈调整本地数控振荡器。本发明在跟踪环路滤波过程中引入了强跟踪滤波的渐消因子，提高了跟踪环路的鲁棒性，以应对高动态环境下引起的模型失配。

摘要： 本发明提供一种基于强跟踪滤波的雷达目标跟踪方法，适用于目标运动状态的雷达目标跟踪过程，所述方法包括：根据目标的运动特征，通过引入次优渐消因子，构建用于对目标运动状态进行强跟踪滤波的强跟踪滤波器模型，以及基于所述强跟踪滤波器模型，重复执行目标的强跟踪滤波，获得目标的运动状态跟踪信息，从而可以实现目标跟踪过程中的模型参数进行实时估计，有效地提高了目标跟踪的效果和稳定性。

摘要： 本发明涉及一种包含参数跟踪的感应电机状态强跟踪滤波估计方法，其技术特点是：采用PSO迭代学习动态优化算法对感应电机参数的在线跟踪；采用STF算法对感应电机转速与转子磁链的联合估计。本发明采用包含参数跟踪的强跟踪滤波估计算法对感应电机的转速与转子磁链进行联合估计，能够有效实现对感应电机转速与转子磁链的高性能估计，与EKF相比，包含参数跟踪的STF算法在估计精度、跟踪速度和稳定性方面更优越，并且能够快速跟踪突变状态，尤其在低速段仍能保持较好的估计性能，有效提高了状态估计精度和算法鲁棒性，为实现感应电机无速度传感器高性能矢量控制奠定了基础。

摘要： 本发明涉及一种改进SRCKF强跟踪滤波的机动目标跟踪方法，属于数据关联与跟踪技术领域。包括以下步骤：S1：根据目标运动情况和卫星的观测情况建立运动模型和观测模型；S2：滤波初始化；S3：进行滤波预测；S4：进行第一次量测更新；S5：计算带有时间因子的渐消因子并进行门限判决；S6：根据S5的门限判决结果再次进行量测更新。本发明所具有的有益效果为：首先，无需建立较为准确的目标运动模型，仅使用目标正常运动时的运动模型也可以达到对机动目标的跟踪效果；其次，相较于一般的适应性滤波方法，本发明在目标不机动时的跟踪效果与普通不考虑机动的滤波方法相当，且受噪声干扰较少，跟踪结果更具有鲁棒性。

摘要： 该发明公开了一种用于目标跟踪的强跟踪容积卡尔曼滤波方法，属于目标跟踪领域，涉及一种基于强跟踪的容积卡尔曼滤波器的机动目标跟踪方法。首先建立离散非线性动态系统模型；然后进行系统初始化；进行时间更新，引入时变渐消因子λk；再进行量测更新；最后进行滤波更新。该方法将时变渐消因子引入到容积卡尔曼滤波器中，使算法不仅具有了容积卡尔曼滤波器实现简单，滤波精度高的优点，同时也具有了强跟踪滤波器应对系统突变的实时跟踪能力。