摘要：探讨了目标运动分析(TMA)问题中的递推非线性滤波问题,介绍了基于无味变换(UT)的无味卡尔曼滤波(UKF)的设计思想与具体实现,特别针对空对海单站无源只测向TMA(BO-TMA)问题,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,并应用UKF和EKF(扩展卡尔曼滤波)分初值无偏和有偏两种情况,从算法的估计值、估计方差、均方根误差(RMSE)和归一化新息平方(NIS)等方面进行了对照研究,给出了Monte Carlo仿真运行结果;表明UKF在该应用背景下是切实可行的,显示出良好的滤波一致性,具有更高的估计精度和更强的收敛特性。

摘要：综述了非线性估计问题的由来、无味变换(UT,Unscented Transformation)的基本思路与基本算法、各种衍变形式、σ点集的设计原则、无味卡尔曼滤波(UKF,Unscented Kalman Filtering)的基本算法及其各种改进算法、UT的本质、UKF与几种免微分非线性滤波方法的比较、UT与UKF的相关应用、针对几种UKF算法的仿真实例,以及目前在UT与UKF的研究中尚存在的一些问题和对今后研究的展望等;提出了笔者的一些最新研究成果和见解。

摘要：探讨了TMA(目标运动分析)中基本的非线性估计问题,介绍了基于无味变换(Unscented Transform ation-UT)的无味卡尔曼滤波(Unscented Kalm an F iltering-UKF)算法的设计思想与具体实现,特别针对空对海单站只测方位与到达时间TMA(BTO-TMA)问题应用UKF和EKF(扩展卡尔曼滤波)进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了初值有偏和无偏两种情形下的Monte Carlo仿真运行结果;表明UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性。

摘要：无人水下航行器(UUV)进入匹配区时捷联惯导系统(SINS)已积累了一定的误差,采用适当的信息融合策略对误差进行估计和补偿,可提高后续航行精度。通常认为,当系统噪声与量测噪声为加性时,是否将噪声扩展为状态量并不影响无味卡尔曼滤波(UKF)算法性能。针对这种观点,利用变尺度对称集无味变换,在复杂加性噪声模型下,推导并证明了两者的差异,说明了上述观点的不全面性。通过建立水下地形匹配辅助导航系统非线性误差模型,基于扩展状态UKF算法设计了误差估计滤波器,仿真研究其估计效果,并与非扩展状态UKF算法进行对比研究。结果表明,状态扩展有利于提高UKF算法性能,从而证明了理论分析的正确性。

摘要：针对传感器量测信息异常与传感器之间数据传输错误,融合系统中的数据会出现异常值(outlier)的目标跟踪问题,提出了一种集中式非线性抗差卡尔曼滤波算法。该方法应用鲁棒统计理论,通过设计代价函数来对系统的量测噪声方差进行重新构造,并利用标准无味卡尔曼滤波(UKF)的观测更新算法对非线性观测方程进行滤波。该方法无须对观测方程进行线性近似,在保持鲁棒性的同时不损失UKF的滤波精度。通过一个简明实例说明了该方法在量测出现异常值的情况下依然能对目标进行有效的跟踪滤波,鲁棒性和滤波精度优于传统的Huber鲁棒跟踪方法。

摘要：将手指作为基本处理对象,对UKF(unscented Kalman filter)算法进行改进,并利用它对当前手指各关节进行预测;以预测值作为初值,用局部搜索技术对误差较大的关节用改进的UKF算法重新进行预测,直到该手指在像平面上的投影轮廓和图像轮廓之间的距离图满足指定的精度为止.该算法以状态变量量测值的获取作为突破口,解决现有算法中跟踪精度过分依赖于3D人手模型精度的问题.实验结果表明,该算法具有较强的处理局部自遮挡问题能力,对3D人手模型的不精确性也具有更好的鲁棒性.

摘要：分析了头盔显示器伺服系统动平台参数的不确定性与时变性,推导了连续-离散扩展卡尔曼滤波（CDEKF）与连续-离散平方根无味卡尔曼滤波（CDSR-UKF）的辨识过程,结合头盔显示器伺服系统的动力学模型建立了系统动平台参数的辨识模型,并通过仿真试验对比分析了CDEKF和CDSRUKF的辨识效果。设计了动平台参数的突变试验过程,通过试验对CDSR-UKF的实用性进行了检验。仿真结果表明：CDEKF与CDSR-UKF的标准误差比值范围为1.9~6.3,收敛时间比值范围为1.0~27.7,均方根误差的比值范围为1.4~11.0,后者的计算精度、稳定性和收敛速度均要优于前者,且后者的平均收敛时间约为0.002s,具有较好的在线辨识性能;CDSR-UKF的辨识误差小于10%,对大幅度突变和一般幅度突变参数的辨识收敛时间分别约为0.30s和0.04s,能较好地跟踪参数的变化过程,可满足正常使用情况下的头盔显示器伺服系统动平台参数辨识要求。

摘要：探讨了目标运动分析(Target moving analysis,TMA)中基本的非线性估计问题,介绍了基于UT的UKF算法的设计思想与具体实现,特别针对空对海单站无源到达时间TMA(TO-TMA)问题应用UKF和EKF进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了Monte Carlo仿真运行结果;表明UKF在该特定应用背景下,由于模型的非线性较弱,使得UKF在精度上与EKF相当,而且在运算量上也有所增加。

摘要：探讨了机动目标无源跟踪(PMTT)中基本的非线性估计问题,介绍了无味卡尔曼滤波(UKF)算法的设计思想与具体实现,用UKF代替原交互多模(IMM)中的扩展卡尔曼滤波(EKF)得到UKF-IMM估计算法,特别针对空—海单站只测方位—到达时间PMTT问题分别应用UKF-IMM和EKF-IMM进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了Monte Carlo仿真结果;表明UKF-IMM滤波算法具有更高的估计精度和收敛特性,滤波的一致性较好,更加适合解决非线性较为严重的PMTT问题。

摘要：基于IAE滤波自适应估计算法,构造自适应无味卡尔曼滤波模型,利用模拟GNSS/INS组合导航平台,建立21状态紧组合导航模型,设计基于不同滤波模型的测试方案进行测试,结果表明:AUKF模型通过自适应估计原理能够抑制状态估计误差的影响,并能消除异常误差的出现,明显改善了导航系统的精度及可靠性,并且其执行效率并未受到影响;多卫星组合系统使定位精度提高了49.38%。