扩展卡尔曼滤波

摘要： 针对接收机定位动态适应性需求,分析了采用扩展卡尔曼滤波的接收机环路跟踪算法,给出了基于扩展卡尔曼滤波的接收机环路跟踪算法的数学模型,基于采集卫星信号模拟器输出的射频信号与程序生成的接收机中频信号,从动态适应性和跟踪灵敏度两个方面,仿真分析了基于标准卡尔曼滤波和基于扩展卡尔曼滤波的环路跟踪算法性能。仿真结果表明,基于扩展卡尔曼滤波的环路跟踪算法在动态环境中具有更好的跟踪性能,且能够改善跟踪灵敏度1 dB,这表明其对复杂应用场景具有更好的适应性。该分析结果能够为算法工程化提供参考和借鉴。

摘要： 车辆行驶在城市高楼之间,有外界磁场干扰等,仅通过卫星估计车辆的运动轨迹十分困难,会使定位与导航系统失效。针对这种问题,提出一种多传感信息融合的方法来估计车辆的运动轨迹。车辆上的编码器是主要的自主定位系统,惯性测量单元(IMU)作为辅助的定位系统。2种传感器都是非线性系统,采用扩展卡尔曼滤波(EKF)对2种传感器采集的信息进行融合。编码器和IMU同时起到了估计车辆运动轨迹的作用,提高了轨迹的准确度,也实现了自主定位。仿真表明,该算法能有效提高定位的准确性,减少了对外部信号的依赖,更能适应复杂环境。

摘要： 为了解决卫星信号被遮挡环境下MEMS-INS/GNSS组合导航漂移问题,对GNSS信号中断时的MEMS-INS/GNSS系统应如何抑制导航误差的漂移进行了研究。采用基于误差状态的EKF信息融合方法,灵活接入轮式或视觉里程计(OD)的速度约束,建立了一种MEMS-INS/GNSS/OD导航系统。在试验中,对比分析了加入AHRS和里程计信息对导航定位精度的影响。试验结果表明,在GNSS间断环境下,融合里程计能够克服卫星信号中断的影响,在GNSS中断30s时,相较于MEMSINS/GNSS导航系统,定位精度提高了89.70%,且加入AHRS方向约束,能够更好地抑制定位漂移。此外,接入视觉里程计的MEMS-INS/GNSS/OD系统比接入轮式里程计的系统精度提高了16.11%。

摘要： 准确、可靠的荷电状态(SOC)估计可以为电池管理系统的安全高效使用提供保障。针对锂电池SOC估计精度不足的问题,提出人工蜂群算法(ABC)和随机森林优化EKF算法(RFEKF)分别实现电池模型的参数辨识和SOC估计。在建立双极化模型的基础上,为解决在线辨识初始误差累积的问题,采用ABC算法搜索最小模型电压误差下的全局最优阻抗参数值,实现模型参数的精确辨识。在获得精确的模型参数基础上,使用随机森林(RF)对SOC后验估计误差进行在线补偿,达到弥补传统EKF算法高阶项误差的目的,进而实现SOC高精度估计。联合半实物仿真系统和电池测试平台,在EPA城市动力工况下对SOC估计算法实现快速控制原型验证。结果表明:基于ABC-RFEKF的锂电池SOC估计算法各项误差指标均低于传统SOC估计算法,平均误差在1%左右,满足实际工程需求。

摘要： 电池在满电状态无法进行混合动力脉冲能力特性测试(Hybrid PulsePower Characteristic,HPPC),导致电池参数在荷电状态(State of Charge,SOC)值为0.9~1区间无法辨识。针对这一问题,提出了安时积分(Ampere Hour,AH)与扩展卡尔曼滤波(Extended Kalman Filter,EKF)综合估算SOC的方案。首先基于HPPC实验数据对建立的Thevenin模型进行参数辨识,然后使用新欧洲行驶工况(New European Driving Cy⁃cle,NEDC)对AH+EKF综合估算方案进行了验证。验证结果表明采用AH+EKF综合估算方案大大降低了EKF法在SOC值为0.9~1区间的估算误差,当只采用EKF法的最大误差为2.2%,而使用AH+EKF综合估算方法最大误差不超过0.9%。该方法提高了SOC估算精度,取得了较为理想的效果。

摘要： 针对捷联雷达常规的惯性系视线角解耦方法在加入落角约束时需根据目标距离对落角进行补偿的不足,给出一种目标坐标系下捷联解耦方法。首先在预估目标点构建目标坐标系,利用坐标转换及雷达与目标相对运动关系构建关于视线角与相对距离的二阶非线性模型,结合扩展卡尔曼滤波解耦获得目标系视线角及角速度。其次在滤波解算视线角及角速度的过程中,考虑雷达噪声、延迟等误差特性,对惯组信息进行延迟补偿,确保多源信息融合时间同步。经仿真并与惯性系解耦方法比较,数据表明所提出的目标系解耦方法正确可行,能有效提高制导精度,尤其是落角指标提升可达40%左右,同时所提方法简单易实现,在捷联红外等近似领域也可借鉴参考。

摘要： 传统的超级电容三支路RC等效电路模型在快速充放电过程中并不能很好地描述超级电容充放电特性,且三支路RC等效电路模型参数在线辨识困难。为了提高快速充放电工况下超级电容状态估计和参数辨识的准确性,提出了基于简化模型和EKF的状态估计和参数辨识方法。首先,通过对快速充放电工况下模型简化可行性分析,在满足精度要求的前提下将三支路RC模型简化为二支路RC模型;其次,将模型参数也作为状态变量加入到状态方程中,采用EKF算法实现超级电容状态量和模型参数的同时在线估计;最后,采用一节50 F的超级电容在恒流充电、恒电阻放电的工况下验证了所提方法的有效性。实验结果表明,基于简化模型的状态估计和参数辨识方法在不降低估计精度的情况下加快了估计速度。

摘要： 传统里程计校正方法常使用离线校正手段,在地面环境发生改变的情况下,校正效果较差。为解决上述问题,提高机器人定位精度,以三轮全向移动机器人为平台,提出一种结构简单、鲁棒性强的在线里程计校正方法。该方法通过扩展卡尔曼滤波算法处理传感器数据,以得到机器人的实时位姿信息和速度信息,结合三轮全向移动平台的动力学模型,及时修正里程误差。在V-REP中设计仿真实验,实验结果表明:采用所提方法,校正后的里程精度有了极大改善,并克服了离线校正方法受地面环境影响的问题。在已有实际平台上验证了该算法的有效性。

摘要： 针对移动机器人定位系统中单一传感器定位精度低与环境地图的重要性问题,提出了一种基于多传感器融合的移动机器人定位方法.首先,在未知环境下,分别利用单一里程计,扩展卡尔曼滤波(extended Kalman filter,EKF)算法融合里程计、惯性测量单元(inertial measurement unit,IMU)进行定位,实验表明他们存在累积误差;然后,在已知环境下,利用自适应蒙特卡洛定位(adaptive Monte Carlo localization,AMCL)算法,融合里程计、IMU、激光雷达进行定位.最后,实验结果表明,该方法可以对累积误差进行校正,相较于未知环境下的单一里程计定位与EKF算法融合定位,误差均值分别减少了68%、30%,验证了所提出定位方法的有效性以及环境地图的重要性.

摘要： 驾驶工况下的无人船锂电池荷电状态(SOC)估算失准,影响船载电池管理系统运行和无人船航程控制。在分析无人船动力学模型和锂电池SOC之间关联的基础上,选取2阶RC电路等效动力锂电池内部结构,通过对单体电池实施混合脉冲功率特性(HPPC)实验辨识等效电路模型参数,建立了基于扩展卡尔曼滤波(EKF)的锂电池SOC估算系统状态方程。针对EKF模型中测量噪声协方差和系统噪声协方差带来的SOC估值偏差影响,利用粒子群优化(PSO)找寻适应度函数最优值以调整EKF模型参数,达到抑制输出值波动和减小估算误差的目的。在锂电池处于恒流放电和变流放电状态下,分别观测EKF和PSO+EKF,估算SOC数据及其误差。结果表明:PSO+EKF估算方法在稳定性和准确度方面优于EKF方法,稳定后估算误差小于0.02,对提高无人船锂电池SOC实时估算性能有实际意义。

摘要： 针对复杂环境中GNSS信号被遮挡出现的卫星信号失锁和INS测量误差积累的问题.已经提出的深组合GNSS/INS可以改善较差GNSS信号环境中的定位精度,但GNSS信号在长时间内不可用时,考虑到INS无法独立约束传感器误差和定位精度.本文提出了一种基于扩展卡尔曼滤波的SLAM(simultaneous localization and mapping,即时定位和制图辅助)/GNSS/INS的组合导航算法.首先,在GNSS信号良好的时候,利用卫星确定出定位目标的位置,并利用SLAM去实时观测和更新环境特征标志,当GNSS信号被遮挡时,通过观测定位目标与环境特征标志之间的相对位置,得到定位目标的测量估计值.然后,用所得的测量估计值去修正INS参数,消除累积误差,并将修正后的参数返回到接收机端,使接收机下次较快的重新锁定信号.通过实验仿真分析,对比了GNSS/INS深组合和SLAM/GNSS/INS深组合在GNSS信号良好、差、和完全丢失的环境中的定位误差.实验结果表明,深组合SLAM/GNSS/INS系统能有效提高GNSS信号长时间被遮挡时接收机的定位精度.

摘要： 针对惯性系统初始对准的准确性和快速性,研究了基于卡尔曼滤波(KF)和基于扩展滤波(EKF)的两种初始对准方法.在利用卡尔曼滤波器对捷联惯导系统进行静基座初始对准中,由于系统的不完全可观测性,使得有些状态没有滤波效果.通过可观测性分析,得到简化后的卡尔曼滤波器模型,通过建模仿真及比较分析,得出了简化后的卡尔曼滤波器和没有简化的卡尔曼滤波器估计精度基本相同,但是前者减少了状态的数量,减小了卡尔曼滤波方程的维数,从而减小了计算量,提高了系统初始对准的快速性.又通过卡尔曼和扩展卡尔曼在简化后的滤波器模型的初始对准中的研究比较,得出使用扩展卡尔曼滤波优势明确,在惯性导航系统初始对准的精度和稳定性都好于普遍使用的卡尔曼滤波算法,提高了系统的准确性.

摘要： 自动识别系统(AIS)借助甚高频(VHF)不仅实现船舶航行状态的信息交互,而且提供位置、导航、时间(PNT)等数据.随着近年来海运产业的井喷式增长,船舶容量骤增,航道趋于拥挤,AIS作为一种助航设备,凭借其诸多优势广泛地应用于船舶航运领域,为保护船舶航行安全提供助力.海事监控部门借助AIS数据实现船舶监控,评估海上交通态势,并对其进行合理管控,而船舶利用AIS数据避碰.船舶完整轨迹追踪取决于船舶AIS数据的连续性,由于AIS数据交互基于时分多址(TDMA)协议,船舶成功发送AIS电文取决于发送时刻的时隙状态,导致船舶AIS数据存在缺失.为解决上述问题,通常采用扩展卡尔曼滤波(EKF)技术实现船舶完整轨迹追踪.相比较基于EKF技术的传统船舶轨迹估计方法仅考虑船舶的单一状态,本文采用交互多模(IMM)算法构建了船舶的匀加速和匀转向的混合状态,并结合EKF技术,实现船舶AIS数据较准确、完整地估计船舶航行轨迹.最后通过对比实验,验证了结合IMM的EKF方法所估计的船舶完整轨迹精度优于仅结合匀加速或匀转向的EKF方法.

摘要： 本文主要研究了卫星星箭分离后基于磁强计的卫星角速度确定算法.为保证无陀螺配置的系统或陀螺失效情况下,获取高精度的角速度信息,采用磁强计连续测量的地球磁场数据结合扩展卡尔曼滤波进行卫星角速度的滤波算法设计.建立了磁强计的测量模型,推导了卫星角速度的状态方程;详细介绍了姿态角速度估计器的设计过程;对连续角速度状态方程进行离散化处理,再利用扩展卡尔曼滤波估计卫星角速度.通过MATLAB数学仿真,验证了所设计的速率滤波算法的正确性和有效性,该算法对工程应用具有一定的指导价值.

摘要： 本文提出了一种基于格拉布斯(Grubbs)准则和扩展卡尔曼滤波的锂电池故障诊断策略.首先基于电池二阶RC等效电路模型建立正常电池模型及多种故障电池模型,设计EKF对各模型的输出进行实时跟踪估计.利用Grubbs准则对电池组内各单体电池进行异常检测,异常电池的端电压减去EKF输出的各模型电压产生残差,利用各残差信息以及模型先验概率,基于贝叶斯假设检验计算各模型的匹配概率,对应的匹配概率决定了最终故障诊断结果.最后,在恒流工况和动态工况下分别进行了仿真试验,试验结果证明了所提方法的有效性及鲁棒性.

摘要： 目标运动分析(Target Motion Analysis,TMA)是一种利用运动平台对目标进行被动定位的重要方法.其中,纯方位目标运动分析由于只需要利用目标的方位信息,在国防领域具有更加广泛的实际应用,尤以二维空间中的目标TMA最为典型.传统的TMA包括基于最小二乘的TMA算法、基于最大似然的TMA算法、基于扩展卡尔曼滤波的TMA算法等.其中,基于最小二乘的TMA算法由于难以消除方程组的非线性,是一种有偏估计;基于最大似然的TMA算法需要通过梯度迭代寻找峰值,初值和步长选择不当容易导致算法发散;而基于扩展卡尔曼滤波的算法性能和收敛性同样受初值选择的影响很大.

摘要： 随着室内定位需求的不断提升和智能手机的大量普及,行人航位推算(pedestrian dead reckoning,PDR)技术以其不依赖环境部署、成本低、功耗小和便携等优点在众多室内定位技术中脱颖而出.PDR系统分为航向、步频和步长三个计算模块.本文分别对三个模块进行改进以提高PDR系统在低精度设备上的定位准确率.利用扩展卡尔曼滤波实时补偿加速度和角速度误差来提高航向精度;步频识别在对原始加速度进行滤波和平滑预处理后,使用增加判决条件的波峰检测法进行计步;步长计算在腰部位移模型基础上增加了重力方向的零速修正,减小了加速度累计误差对身体高度变化的影响,进而提高步长精度.在实验验证阶段,用安卓手机采集三轴加速度、三轴角速度和三轴磁场数据,分别对PDR的三个计算模块进行单独验证,利用改进后的PDR系统进行定位.实验分析表明:121m行走路程平均定位精度可达0.89m.与传统PDR定位性能相比,定位精度显著提高,证明了此组合改进方案的有效性.

摘要： 行人航位推算是一种完全自主式导航推算的方法,随着惯性传感元件性价比的提升,该技术逐渐被引入室内定位.本文采用MTI设备对室内行人航位推算算法进行研究,建立了行人运动模型,详细分析了IMU的初始对准,并在算法的误差值修正中将ZUPT和ZARU技术融入扩展卡尔曼滤波当中,最终得出实验结果以验证算法的精度及有效性.

摘要： 为减少武器装备的维护成本,需实现对装备的健康状态监测,为此需要建立针对伺服控制系统进行故障诊断的平台.本文首先对伺服控制系统仿真模型进行了研究,并提出了基于扩展卡尔曼滤波的故障诊断算法,通过辨识系统参数达到故障诊断的目的,实现了基于模型的健康管理功能.

摘要： EKF在非线性系统中是一种常用的滤波方法.UKF是一种新的非线性滤波算法,其以UT变换为基础,摒弃了对非线性函数进行线性化的传统做法,用一系列确定样本来逼近状态的后验概率密度,而不对非线性函数进行近似,不需要求导计算Jacobian矩阵.本文主要研究INS/BDS组合导航系统的EKF和UKF滤波算法.本文从EKF和UKF的基本原理和特点出发,采用Maltab进行仿真实验,并对其进行比较.实验仿真结果表明,与EKF相比,UKF具有收敛速度更快,滤波精度更高,INS/BDS紧耦合导航更容易实现的优点.

摘要： 基于扩展卡尔曼滤波和粒子滤波的室内融合定位方法，属于无线传感器网络技术领域。步骤如下：(1)首先采集WiFi的信号强度并记录位置坐标来构建指纹数据库，再采用加权k近邻法进行定位；(2)采集MEMS惯性传感器数据，结合加速度和基于差分加速度有限状态机的计步算法进行计步，融合多种传感器读数进行航向估计，结合卡尔曼滤波和非线性步长模型来估计步长；(3)使用扩展卡尔曼滤波融合WiFi指纹法和行人航位推算的定位结果；(4)结合粒子滤波和室内地图信息校正估计位置。本发明通过融合，解决了WiFi指纹法定位精度易受信号波动影响的问题以及行人航位推算方法定位误差随时间增加而累积的问题，能够显著地提高定位精度。

摘要： 本发明公开了一种基于强跟踪滤波的高阶扩展卡尔曼滤波器设计方法。本发明将状态模型中的高阶多项式定义为系统的隐变量，并将状态模型等价改写成基于原始变量和隐变量相结合的伪线性模型；视高阶隐变量为系统的各阶加性参数，再通过对它们之间进行随机动态建模，建立起由状态与参数相结合的扩维线性状态模型；对测量模型进行相应处理，建立基于状态与参数相结合的扩维线性测量模型；然后对扩维后的模型进行进一步的初始化，滤波器迭代，时间更新和测量更新，设计得到基于强跟踪滤波的高阶扩展卡尔曼滤波器。本发明在解决状态模型和观测模型为强非线性情况下的估计精度低，计算成本高，鲁棒性差等问题，可以应用到非线性动态系统的目标跟踪领域。

摘要： 基于扩展卡尔曼滤波和粒子滤波的室内融合定位方法，属于无线传感器网络技术领域。步骤如下：(1)首先采集WiFi的信号强度并记录位置坐标来构建指纹数据库，再采用加权k近邻法进行定位；(2)采集MEMS惯性传感器数据，结合加速度和基于差分加速度有限状态机的计步算法进行计步，融合多种传感器读数进行航向估计，结合卡尔曼滤波和非线性步长模型来估计步长；(3)使用扩展卡尔曼滤波融合WiFi指纹法和行人航位推算的定位结果；(4)结合粒子滤波和室内地图信息校正估计位置。本发明通过融合，解决了WiFi指纹法定位精度易受信号波动影响的问题以及行人航位推算方法定位误差随时间增加而累积的问题，能够显著地提高定位精度。

摘要： 本发明公开了一种基于扩展卡尔曼滤波的自适应毫米波波束追踪方法。本发明公布的波束追踪方法首先根据用信道角度变化的速率，确定最大和最小追踪间隔，之后通过比较追踪前后波束成形后信噪比的变化判断是否使用扩展卡尔曼滤波器进行追踪。本发明公布的方法不需要知道信道的瞬时增益，只需要将信道的角度变化作为待估计量，可以根据通信信道角度变化的速率，实时自动调整波束追踪的频率，在保证追踪精度的同时，有效延长波束追踪的时间，降低波束追踪的开销。

摘要： 本发明涉及一种基于扩展卡尔曼滤波的电力系统状态估计方法，包括以下步骤：步骤1、获取多源量测数据；步骤2、构建基于长短期记忆神经网络建立系统的状态预测模型，并判断是否达到模型的训练精度；步骤3、采用扩展卡尔曼滤波对多源量测数据进行处理，对系统的非线性模型线型化；步骤4、采用加权最小二乘法实现对系统的状态估计，得到电力系统的状态最优估计。本发明能够克服在大规模系统中估计时间较长的缺陷，更加满足状态估计实时性的要求。

摘要： 本发明涉及一种基于双扩展卡尔曼滤波的车辆侧倾状态估计方法，其包括以下步骤：根据力矩平衡建立考虑侧倾运动和横摆运动的五自由度车辆动力学模型，得到系统的状态方程和输出方程；基于采集的待估计车辆的相关数据，利用双扩展卡尔曼滤波方法对所述状态方程和输出方程进行求解，得到待估计车辆侧倾状态的估计结果。本发明得到的侧倾角估计值可以用于商用车的防侧翻控制，具有估计精度高、实时性好、成本低等优点。本发明可以广泛应用于汽车电子控制领域。

摘要： 本发明公开一种基于深度置信网络和扩展卡尔曼滤波的飞行器传感器信号融合方法，首先，根据红外和雷达传感器不同的量测信号特征进行时空对准的信号预处理；然后，使用最优数据压缩算法将两者的信息进行压缩融合，形成新的观测量，并使用EKF实现飞行器的状态估计；最后，使用DBN算法根据收到的估计值与观测值实时估计并调整系统受到的实际观测噪声，提高EKF的跟踪精度。通过本发明方法有效解决了飞行器飞行过程中红外和雷达的传感器信号融合以及环境噪声的不确定性所导致的状态估计困难的问题。

摘要： 本发明涉及一种交通信号灯配时方法，尤其为一种基于深度强化学习与扩展卡尔曼滤波相结合的交通信号灯配时方法，包括将交通信号灯配时系统抽象为智能体，十字路口的交通环境抽象为被控对象，交通信号灯的配时方案抽象为动作，车辆的累计等待时间的变化抽象为奖励，智能体根据被控对象提供的状态信息选择动作；执行动作后，被控对象将当前状态和奖励反馈给智能体，并且不断重复此过程，智能体以获取最大奖励值为目标不断更新参数直至得到最优动作；经验池用来存储训练样本，并用于DQN网络训练，通过EKF模型的不断迭代更新得到真实参数的最优估计值，然后利用真实参数的最优估计值替代不确定性参数值得到准确的值函数并选择最优的配时方案。

摘要： 本发明涉及一种噪声自适应强跟踪扩展卡尔曼滤波器四旋翼姿态解算方法，属于无人机技术领域，包括构建状态方程和观测方程，初始化系统噪声和量测噪声初值；计算下一时刻的一次预测状态；计算新息，更新强跟踪滤波器，将次优渐消因子拆分；计算得到改进的一步预测误差协方差矩阵对下一时刻的噪声方差及噪声均值重新估计，将估计值引入EKF公式；计算卡尔曼增益矩阵、状态的二次估计和误差协方差的二次估计，判断是否循环结束；输出结果。本发明引入强跟踪滤波器，解决了传统扩展卡尔曼滤波器因泰勒展开近似线性化等问题导致的跟踪能力弱的问题，通过改进次优渐消因子引入形式，保证了协方差矩阵计算结果的对称性，提高了系统跟踪速度。

摘要： 本发明涉及卡尔曼滤波器技术领域，具体地说，涉及一种多项式非线性的高阶扩展卡尔曼滤波器系统。其包括隐式变量定义单元、伪线性重写单元、变量结合单元、线性形式重写单元和联合估计单元。本发明通过将多项式模型中的所有高阶项作为隐式变量，等价地表示为伪线性，避免了截断误差的舍入，将原态和隐式变量相结合，建立了线性增广状态模型，对应新的状态模型，将测量模型等价地改写为线性形式，设计了一种新的高阶扩展卡尔曼滤波器，实现状态和隐式变量的联合估计，新的高阶扩展卡尔曼滤波器具有相同的性质：递归性和实时性。