摘要：二级频标中恒温晶振(OCXO)成本较低,具有较高的短期稳定性,老化会影响时钟守时系统的工作精度和稳定性。全球导航卫星系统(GNSS)驯服晶振的方法结合了GNSS卫星授时长期稳定性高和本地晶振短期稳定性高的特点,实现了两者的优势互补,提升了晶振驯服系统输出频率的准确度和长期稳定性。基于GNSS驯服恒温晶振的硬件系统,设计了基于判别因子的野值剔除方法,改进了基于Sage-Husa的自适应卡尔曼滤波算法。驯服实验结果表明,算法提高了晶振驯服系统输出频率的准确度和长期稳定性,实验系统中恒温晶振频率漂移量的标准差降低了约99.01%,恒温晶振的长期稳定性的Allan方差提高了约3个数量级,达到6.181×10-12。

摘要：在视频的多目标跟踪任务中,卡尔曼滤波器性能受硬件噪声以及光线等环境噪声干扰较大,导致滤波性能下降甚至发散,严重影响目标跟踪精度。针对这一问题,在检测端不变的情况下,对跟踪算法中的卡尔曼滤波器进行改进。首先,通过实时监测跟踪过程中滤波器观测值和估计值的动态变化,提取新息或残差;然后,利用新息协方差对观测噪声统计特性进行自适应估计,进而调整卡尔曼滤波增益;并通过数值仿真表明所提方法能有效降低噪声,获得更好跟踪效果。最后,基于YOLOv3算法检测结果进行实验验证,结果表明在多目标跟踪(MOT16)数据集上,相较于传统卡尔曼滤波设计,所提自适应卡尔曼滤波在多目标跟踪任务中的精度、标号(ID)相关指标(IDF1,IDP)等指标均有所提升。

摘要：设计了一种应用于传递对准的自适应卡尔曼滤波的方法,它能够在线估计系统噪声的统计特性,从而提高了传递对准的速度和精度,仿真结果证明了该方法优于常规的卡尔曼滤波方法。

摘要：由于加速度计输出动态噪声的存在,无陀螺微惯性测量单元(NGM IMU)导航误差随时间迅速累积.基于NGM IMU九加速度计配置方案,利用自适应卡尔曼滤波方法进行NGM IMU/GPS组合导航系统设计.滤波算法对滤波预测残差的大小进行判断,利用极大后验估计器推算出动态噪声和观测噪声的统计特性,克服了系统噪声统计特性不易确定的实际问题,使滤波器成为最优.同时进行了系统位移和角速度仿真,结果验证了自适应卡尔曼滤波方法的可行性.

摘要：针对卡尔曼滤波法在锂离子电池荷电状态(SOC)估计时存在误差较大、收敛较慢等问题,提出了一种双自适应衰减扩展卡尔曼滤波荷电状态估计(DAFEKF)算法。该算法首先设计了针对动力电池的荷电状态估计观测器,利用测得的电流和电压值分别作为观测器的输入和观测值,结合双自适应衰减扩展卡尔曼滤波估计出观测器中的电池荷电状态,在卡尔曼滤波算法的基础上加入时变衰减因子来减弱过去数据对当前滤波值的影响,并自适应地调整卡尔曼算法中过程噪声和测量噪声协方差。利用DAFEKF算法估计出的SOC结果与扩展卡尔曼滤波(EKF)和自适应扩展卡尔曼滤波(AEKF)算法进行了比较,结果表明,DAFEKF方法具有较好的准确性、鲁棒性和收敛性,使SOC估计误差控制在2%以内。

摘要：针对离散系统的执行器和传感器故障以及存在的白噪声干扰,提出了一种基于改进自适应卡尔曼滤波和动态输出反馈的容错控制方法.在白噪声干扰下,该方法利用改进的自适应卡尔曼滤波对系统执行器和传感器故障进行同步估计,同时利用李亚普诺夫函数分析了改进自适应卡尔曼滤波的收敛性;对于系统状态不完全可测的问题,根据得到的故障信息,基于动态输出反馈和圆盘稳定定理设计容错控制器,使系统响应恢复到正常状态.最后利用飞行控制系统模型对提出的方法进行了验证,仿真表明该方法不仅能对执行器和传感器故障进行同步估计,而且在故障情况下能够对系统响应进行修正,具有良好的容错控制能力.

摘要：针对汽车自动车道保持控制中汽车侧向干扰信息难以直接获取,提出把汽车动力学模型和自适应卡尔曼滤波理论相结合进行汽车前后轴干扰力估计。在线性二自由度汽车动力学模型中考虑前后轴的侧向力干扰,以辅助变量横摆角速度、侧向加速度和方向盘转角为量测信息,通过改进的自适应卡尔曼滤波算法建立了前后轴干扰力的最小方差估计,并对量测信号进行了滤波降噪。基于ADAMS/Car的虚拟试验验证了该算法具有较高的估计精度,可以为汽车侧向控制系统中估计器的设计提供理论指导。

摘要：精确的汽车状态信息的获取是汽车动态控制系统正常工作的前提。建立了二自由度汽车动力学模型,提出了将S-修正的自适应卡尔曼滤波与模糊卡尔曼滤波相结合进行汽车关键状态估计的方法。模糊卡尔曼滤波利用所设计的模糊控制器通过实时监测信息实际方差与理论方差的比值,实现对时变量测噪声的协方差矩阵的实时在线估计,提高了算法在时变量测噪声情况下的鲁棒性;S-修正的自适应卡尔曼滤波算法基于滤波不发散理论推导得出实时修正因子S,进而对估计误差协方差矩阵直接加权。两种方法的结合在总体上提高了在汽车动力学系统过程噪声与量测噪声协方差矩阵不准确情况下算法的鲁棒性与估计精度,最后通过基于ADAMS的虚拟试验验证了该方法的有效性。

摘要：卡尔曼滤波作为一种动态数据处理方法已广泛应用于变形监测数据处理中,而自适应卡尔曼滤波能更好地解决滤波发散的问题。本文利用已有的多次沉降监测数据,通过MATLAB编程实现,建立模型,模拟建(构)筑物沉降的变化规律,为建(构)筑的安全提供可靠的分析数据。

摘要：当多个传感器安装于同一载体之上,构成组合导航系统时,必然存在位置约束关系,当定位传感器等于或多于三个时,会产生多个这样的关系。利用这些条件,采用传统的约束滤波算法可以提高组合定位系统的整体精度,但有时也会造成高精度传感器的精度损失。本文中将这些位置约束条件看作观测量,通过设计适当的权矩阵,并结合自适应卡尔曼滤波算法,提出了一种用于提高传感器滤波精度的方法,并和传统的约束滤波算法进行了比较。仿真计算表明:在各传感器精度相当时,该算法可以提高各个传感器的精度,并和传统的约束滤波算法等效;当各传感器精度不同时,该算法仍然可以提高高精度传感器的滤波精度或保证高精度传感器的滤波精度不受损失。