基于Kalman滤波的UWB的TOA估计

提出了一种基于卡尔曼滤波的TOA估计算法,充分利用了卡尔曼滤波的预测功能,以预测值为中心对接收信号进行加窗处理,对此窗口内的接收信号作主成份分析得到测量值,然后对预测值进行修正.实验结果表明,与传统的TOA估计算法相比,该算法不仅使信噪比提高了约8～12 dB、均方误差降低了3～4个数量级,而且更便于实时实现.

Abstract：

In this paper,we propose a TOA estimation algorithm based on the Kalman filter in UWB systems.With the predictive function of the Kalman filter,this method processes the received signals in a window whose center is the predictive value.After we get the measured TOA from the received signals of this window by PCA,the estimated TOA can be revised.Extensive experiment results show that not only does the proposed algorithm increase the signal to noise ratio(SNR)by about 8-12 dB and decrease the mean square error by 3～4 orders compared with the traditional algorithms,it also is suitable for real-time implementation.     

基于小波阈值–卡尔曼的水田旋耕平地机倾角信号的去噪方法

基于全球卫星导航系统(GNSS)的水田旋耕平地机田间试验，采集平地机在调平过程中的倾角信号，采用小波硬阈值法，获取低频信号，并实时估计倾角信号的噪声方差，作为卡尔曼滤波的修正信息，再将低频信号作为系统输入，运用卡尔曼滤波对信号进行二次修正。试验结果表明：小波硬阈值–卡尔曼融合算法的滤波效果优于单一的小波阈值法和卡尔曼滤波，倾角信号经融合算法处理后，信号的信噪比由21.704提高到39.116，均方根误差从0.035 1减小至0.012 6。倾角信号中的噪声成分明显减少，信号的精确度更高。     

振动攻丝扭矩信号的最优估计

简述了信号最优估计的基本理论及主要算法,讨论了如何应用该理论进行振动攻丝扭矩信号的最优估计,给出具体实现步骤,并通过振动攻丝机实测信号对这一方法进行验证.结果表明,该方法能够准确、有效地估计出振动攻丝扭信号,获得清晰的特征谱线.     

高动态环境下基于数据辅助的稳健信噪比估计

针对动态环境下存在随机波动变化的多普勒频移和载波相位偏差,提出了一种基于数据辅助的稳健信噪比估计算法,该算法利用数据辅助,对接收信号进行延迟共轭相乘,将多普勒频移转变成固定的相位因子,从时域上克服了相偏和多普勒频移的影响.同时进一步分析了新算法噪声项的影响.仿真结果表明,与基于谱分析算法相比,新算法具有更好的性能,尤其在低信噪比的条件下能保持更高的估计精度,且计算量很小.     

基于无先导卡尔曼滤波的卷积混沌信号的盲提取

从卷积混合的混沌信号中提取出所需的信号是一个挑战性课题.假设需要提取的混沌信号的映射已知,寻找提取向量的问题就可以转化为非线性系统的状态检测问题.为此,提出了一种基于无先导卡尔曼滤波的盲提取算法.仿真结果证明在无噪声或高信噪比情况下该算法的有效性.     

双基地MIMO雷达的收发角度快速估计方法

提出一种双基地MIMO雷达的收发角度快速估计方法.该方法利用多级维纳滤波的前向递推多级分解特性获得接收信号的信号子空间,然后构造出收发角度的二维空间谱函数,同时将二维空间谱函数通过线性约束二次优化转换为两个一维的空间谱函数,从而获得目标的收发角度,且收发角度自动配对,不需要额外的配对运算.该方法避免了协方差矩阵的估计及其特征值分解,且收发角度估计只需要一维空间谱搜索,大大降低计算复杂度.仿真结果证明了该算法的有效性.     

极化敏感均匀圆阵中PARAFAC信号检测算法

分析了极化敏感均匀圆阵接收到的信号，该信号具有三线性模型特征。提出了极化敏感均匀圆阵中平行因子信号检测算法。该算法利用三线性交替最小二乘（TALS）算法估计出信源矩阵，然后对其进行判决。仿真结果表明；该算法误码率性能接近于非盲解相关方法;与非盲解相关方法相比，在较高的SNR情况下误码率相差不到2dB；且在阵列扰动情况下仍具有较好的误码率性能。该算法无需空域信息和极化信息，是一种盲鲁棒方法。     

卡尔曼滤波器及其工程应用

卡尔曼于1960年提出了离散系统线性滤波的递推求解方法即卡尔曼滤波算法.该滤波算法是基于线性最小平方法的、进行有效递推计算的一组数学方程式,算法功能强大,支持对过去、现在和将来状态的估算.本文旨在对离散系统的卡尔曼滤波作应用方面的介绍:包括对基本离散卡尔曼滤波器的描述与讨论;对扩展型卡尔曼滤波的讨论;应用实例进行分析和仿真;讨论卡尔曼滤波在汽车定位与导航工程上的应用.     

基于粒子滤波的短时正弦信号相位参数估计

针对传统的相位参数估计方法的精度和局部收敛问题,提出了一种基于粒子滤波算法估计短时正弦信号相位的方法,设计了算法流程,研究了粒子数和相似度对参数估计精度的影响,估计了不同信噪比的正弦信号的相位,并与遗传算法和最小二乘法的结果进行了比较分析。结果表明,在信噪比大于20dB时,粒子滤波算法可以更快速、准确地估计出正弦信号的相位。     

一种能量有效的无线传感网络节点跟踪算法

针对无线传感网络能量有限的特点,提出了一种能有效节约能量的节点跟踪算法.算法首先采用无迹粒子滤波算法(UPF)及后验卡尔曼滤波获得当前时刻节点状态估计,并采用高斯混合模型拟合当前状态,然后将此模型参数传递给下一个传感器节点,下一个传感器节点再利用这些参数更新后验分布,估计下一时刻的节点状态.这样可以减少网络间的通讯负荷、节约传感器节点能量.仿真实验表明,在同时考虑定位精度和能量消耗上,本文算法具有很好的性能.     

无人机三轴稳定云台的模糊PID控制

以无人机三轴稳定云台的内框作为研究对象,将自适应卡尔曼滤波算法与模糊PID控制算法相结合,提出了一种基于自适应卡尔曼滤波的模糊PID控制算法.经过Matlab仿真实验表明,相对于经典PID控制算法和模糊PID控制算法而言,该算法在无人机三轴稳定云台的控制上,不仅响应速度快、精度高,而且对控制干扰噪声和测量噪声也起到了较好的抑制作用.     

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

卡尔曼滤波融合遗传PID控制算法在提高播种精度中的应用

为提高排种器的排种精度,在传统气吸式排种盘转速控制的基础上,设计了一套卡尔曼滤波融合遗传PID控制算法,通过PID控制算法实现排种盘电机转速的闭环控制,通过卡尔曼滤波算法滤除排种盘在转动过程中因振动和外界干扰等原因产生的噪声,并采用遗传算法快速准确的寻找PID控制过程中的最优控制参数.为验证算法的有效性,假设输入信号为单位阶跃信号,并在噪声大小为0.002和0.1的情况下分别进行了实验.在噪声为0.002时,传统PID控制响应波动值可达到1.5,遗传PID控制响应波动值最大仅为1.2;加入卡尔曼滤波后,传统PID控制输出响应趋于稳定的时间约为0.2 s,遗传PID控制的输出响应趋于稳定的时间约为0.08 s;同理,将噪声增大为0.1后,采用相同的实验方案进行实验,最终实验说明了卡尔曼滤波融合遗传PID控制算法在提高排种盘电机转速稳定性中的有效性.     

基于DGPS定位与双闭环转向控制的农业自动导航系统

以东方红X-804拖拉机为平台,开发了一种基于RTK-DGPS定位和双闭环转向控制相组合的农业自动导航系统。系统主要包括RTK-DGPS接收机、姿态航向参考系统(AHRS)、转向控制器、电控液压转向装置和转向角检测传感器。设计了Kalman滤波器对定位数据进行平滑处理,同时实现航向角的校正。为实现自动转向,在拖拉机原有手动控制系统基础上加上电控比例液压阀,并设计电控单元。然后,推导了转向系统的数学模型,通过Matlab仿真工具箱得到传递函数的参数,设计了双闭环转向控制算法。最后,进行了算法验证试验和田间试验,结果表明,双闭环控制方法较好抑制了稳态时的震荡现象,方波信号的角度跟踪稳态时最大误差0.60°,平均误差0.40°,平均延时为0.20 s;设计的Kalman滤波器有助于提高定位系统的精度,横向跟踪误差不超过0.09 m,转向角度平均跟踪误差为0.43°,延时0.25 s。     

基于RTK-GNSS和MEMS陀螺仪的车辆航向角测量技术

【目的】更好地满足车辆自动驾驶时航向角测量的精度要求。【方法】提出卡尔曼滤波算法,把实时动态–全球导航卫星系统(RTK-GNSS)测量出来的经纬度和高程经过高斯投影转换为高斯平面坐标,和微电子机械系统(MEMS)陀螺仪测得的累积航向角进行融合处理,最终得到车辆更为精准的航向角。【结果】融合后的航向角度曲线既保持了GNSS航向的整体变化趋势,也保持了陀螺仪航向的细部变化趋势,且较GNSS和陀螺仪所得曲线更为平滑,可以跟踪车辆180°调头的转弯动作。【结论】卡尔曼滤波算法可以实时在线且精准地测得车辆航向角数据,精度较GNSS测量结果提高80%以上。     

Wireless indoor tracking network based on Kalman filters with an application to monitoring dairy cows

We propose an algorithm for estimating positions of devices in a sensor network using Kalman filtering techniques. The specific area of application is monitoring the movements of cows in a barn. The algorithm consists of two filters. The first filter enhances the signal-to-noise ratio of the observed signal strengths and gives interpolated values at specific timestamps. Information from the first filter is transferred to the second filter which estimates the positions. Methods for estimating the parameters of the filters are given and these provide a straightforward calibration of the system.     

足球机器人运动控制算法研究

在建立基于小转角的足球机器人运动学模型的基础上,提出了单神经元自适应PID控制算法和基于Kalman滤波的PID控制算法.通过仿真分析,系统在单神经元自适应PID控制下,超调量、上升时间和峰值时间分别是常规PID控制下的30.7%,54.3%和72.7%,完全满足足球机器人现场比赛竞技性的要求;基于Kalman滤波的PID控制能够抑制干扰,提高控制精度,控制效果明显改善.     

基于阈值判决的无线传感器网络混沌信号重构

考虑在传感器网络中重构混沌信号的问题.各传感器同时观测一个混沌信号.由于带宽受限,各传感器量化观测信号并将量化后的数据发送到融合中心,该中心使用无先导卡尔曼滤波算法重构观测的混沌信号.为了节省能量,只有观测信号信噪比高于某个阈值的传感器被选中并发送数据.定义代价函数关联重构性能和能量消耗,分析并仿真了代价函数和阈值之间的关系.结果表明在某些情况下部分传感器发送数据更合理.     

矢量中值滤波彩色图像增强算法研究

矢量中值作为基于排序的非线性滤波方法,在消除彩色图像的噪声和保证图像边缘与细节上均有较好的稳健性.但是,由于其算法与窗口象素数的平方成正比,因而计算量很大.本研究提出一种改进的矢量中值滤波的彩色图像增强方法,该方法既可以提高其图像处理的运算速度,又能保证图像质量,其算法具有实用价值.