【导语】“有猫饼”通过精心收集，向本站投稿了10篇一类加权全局迭代参数卡尔曼滤波算法，以下是小编整理后的一类加权全局迭代参数卡尔曼滤波算法，欢迎阅读与收藏。
- 目录
篇1：一类加权全局迭代参数卡尔曼滤波算法
一类加权全局迭代参数卡尔曼滤波算法
结合参数卡尔曼滤波算法和全局迭代推广卡尔曼滤波算法本文提出了加权全局迭代参数卡尔曼滤波算法.参数卡尔曼滤波算法可避免系统参数和状态变量之间的非线性耦合,同时通过带有目标函数的全局迭代算法保证能够获取到稳定、收敛的识别结果.分别针对线性结构模型和随动强化双线性结构模型进行了仿真参数识别.结果显示,不加权的`全局迭代参数卡尔曼滤波算法对线性系统是有效的,而对非线性系统必须使用加权的全局迭代参数卡尔曼滤波算法.当信噪比较大,迭代无法得到收敛的结果时,目标函数保证了较好识别结果的获得.
作 者：赵昕 李杰 作者单位：同济大学建筑工程系,上海,200092 刊 名：计算力学学报 ISTIC EI PKU英文刊名：CHINESE JOURNAL OF COMPUTATIONAL MECHANICS CHINESE JOURNAL OF COMPUTATIONAL MECHANICS 年，卷(期)：2002 19(4) 分类号：O175.3 关键词：系统识别 参数卡尔曼滤波 加权全局迭代 非线性系统篇2：基于卡尔曼滤波的信息融合算法优化研究
基于卡尔曼滤波的信息融合算法优化研究
通过比较采用联邦卡尔曼滤波的状态向量融合和量测信息融合,得出量测信息融合优于状态向量融合,因为只有当卡尔曼滤波一致时状态向量融合才有效.采用基于最小均方差估计的观测值加权融合法融合了多传感器数据,保持了观测向量的维数.这种方法具有高效性.为了提高该算法的'速度和精度,对系统的量测空间进行了等价变换,而等价系统的状态空间却没有改变.给出了等价变换前后的系统误差方差阵和状态估计均一致性的证明.把矩阵分析中的L-D分解算法运用到该算法中以避免计算矩阵的逆,从而改善了算法的稳定性和精度.举例验证了所设计算法的这些优点,给出了采用联邦卡尔曼滤波和所优化滤波算法的状态估计和误差的仿真结果,并依次进行了分析.经过这种优化,算法的精度和速度得到很大提高,已经应用到实际工程中.
作 者：张开禾 富立 范耀祖 ZHANG Kai-he FU Li FAN Yao-zu 作者单位：北京航空航天大学,自动化科学与电气工程学院,北京,100083 刊 名：中国惯性技术学报 ISTIC PKU英文刊名：JOURNAL OF CHINESE INERTIAL TECHNOLOGY 年，卷(期)：2006 14(5) 分类号：U666.1 关键词：信息融合 卡尔曼滤波 等价变换 L-D分解篇3：非线性动态滤波的迭代算法
非线性动态滤波的迭代算法
阐述了标称状态的线性化方法和扩展的卡尔曼滤波公式及迭代卡尔曼滤波,探讨了非线性动态滤波的近似处理方法,围绕标称状态将非线性模型进行线性化,将标准的卡尔曼滤波扩展到非线性模型,得到扩展的`卡尔曼滤波公式,研究了迭代滤波计算方法.扩展的卡尔曼滤波方法已经有效地用于非线性模型.
作 者：赵长胜 Zhao Changsheng 作者单位：徐州师范大学测绘学院,徐州,221116 刊 名：数据采集与处理 ISTIC PKU英文刊名：JOURNAL OF DATA ACQUISITION & PROCESSING 年，卷(期)：2007 22(4) 分类号：P207.2 P228.41 关键词：卡尔曼滤波 非线性模型 动态滤波 迭代法篇4：基于模糊卡尔曼滤波的内阻尼姿态算法研究
基于模糊卡尔曼滤波的内阻尼姿态算法研究
在系统机动性不强的情况下,传统的平台内阻尼算法将系统本身的速度信息通过阻尼网络加到系统中,达到提高姿态角精度的目的.将这种平台内阻尼的思想引入到捷联惯性航姿系统中,在系统加速度较小的情况下,利用加速度计的输出估计系统姿态角,通过卡尔曼滤波的形式补偿系统姿态误差.由于加速度的.大小直接影响滤波器精度,本文设计了模糊自适应卡尔曼滤波算法,根据三轴加速度计的输出调整内阻尼量测误差方差阵,从而避免了滤波器的发散.仿真和实验验证,内阻尼算法可明显抑制舒勒周期振荡和傅科周期振荡,避免了系统姿态漂移,有效提高了捷联惯性航姿系统的精度.
作 者：杜亚玲 刘建业 刘瑞华 祝燕华 DU Ya-ling LIU Jian-ye LIU Rui-hua ZHU Yan-hua 作者单位：杜亚玲,DU Ya-ling(宇航智能控制技术国防科技重点实验室,北京,100854)刘建业,祝燕华,LIU Jian-ye,ZHU Yan-hua(南京航空航天大学自动化学院导航研究中心,南京,210016)
刘瑞华,LIU Rui-hua(中国民航学院天津市智能信号与图像处理重点实验室,天津,300300)
刊 名：宇航学报 ISTIC PKU英文刊名：JOURNAL OF ASTRONAUTICS 年，卷(期)：2007 28(2) 分类号：V249.32 关键词：捷联惯性航姿系统 阻尼 模糊自适应 卡尔曼滤波 Strap-down attitude heading reference system Damp Fuzzy logic control Adaptive kalman filter篇5：浅谈创新无线传感网络卡尔曼滤波的动态加权分析论文
浅谈创新无线传感网络卡尔曼滤波的动态加权分析论文
近年来，要设计一种高效节能的分布式信息处理算法，节点之间共享信息之前，必须经过变过量化编码，减少通信信息量，充分利用有限的资源完成任务，因此，无线传感网络论文中的分布式算法中的量化策略和状态观测器的结合设计是算法的重点内容。卡尔曼滤波中使用一致性策略的研究方面，Alriksson计算出最优的权重矩阵和卡尔曼增益的选取。Li等通过设计合适的有限水平动态一致性策略，给出了系统收敛速度与信道的量化水平精度、网络拓扑结构之间的定量关系；但是这种量化算法只用在一致性收敛的问题中，节点之间并没有对目标进行状态估计。Xu等对具有融合中心的无线传感器网络进行了研究，提出了基于量化新息的卡尔曼滤波方法，探讨了确保估计误差协方差矩阵有界的充分条件，同时给出了量化位数与滤波性能之间的数值关系，以及如何根据实际应用要求设计量化等级。
本文在以上研究基础上，将量化策略用于分布式卡尔曼滤波中，设计了一种新的分布式数据融合算法。研究的对象是一个没有融合中心的自组织式网络，节点之间以点对点的形式相互通信。该算法结合考虑网络带宽的实际限制，信息在传递之前，经过均匀量化策略，传输的是一系列量化信号，从而减少通信的信息量，节省网络的带宽资源。根据以上思想，本文讨论了在不同量化精度条件下系统的状态估计性能，以全局静态协方差矩阵最小为优化目标，根据每个传感器节点的观测性能，动态选取一致性加权矩阵，更加符合实际的数据融合意义，从而有效提高该算法的性能。最后通过仿真实现了基于量化信息的分布式卡尔曼滤波（Quantized Distributed Kalman Filtering， QDKF）算法。
1 问题描述
本文的`研究对象是一个没有融合中心的自组织式网络，相对于传统有数据处理中心的网络系统而言，自组织式网络要求其中的每个节点都拥有一定的数据存储和计算处理能力，通过相互通信收集邻居的节点信息，自己完成分布式的滤波，从而获得一个最优的状态估计。假设网络中包含有N个分布式传感器节点，相邻节点之间可以相互通信。每个节点的传感器性能可能存在差异，因此节点的观测噪声不尽相同，它们共同观测一个系统过程。
通过求解该凸优化问题得到最优权重W，以此权衡每个邻居节点信息的重要程度，使得每个节点的局域协方差矩阵最小，整个网络的状态估计趋于一致。实际应用中，当状态估计趋于稳定，即节点的协方差矩阵变化微小时，卡尔曼增益矩阵K和权重矩阵W的大小也趋于恒定值，只有当网络拓扑出现增加或删除节点等变化时，才需要重新对W和K进行动态优化求解，因此，动态加权不会增加节点额外的计算开销。
2 研究现状
2.1 均匀量化
为了节省网络带宽，规定传感器节点之间只能传输一些经过编码的量化信息，这些信息表现为一系列二进制数信息。接收端得到量化信息后，仅需要经过一个查表解码的过程，就能恢复得到来自邻居的信息，不需要额外的计算量。量化方案包括对数量化、均匀量化等。可以证明均匀量化后的信息仍是对状态的一个无偏估计[14]，本文所用的卡尔曼滤波方法亦为对真实状态的无偏估计，因此选用均匀量化作为结合。
2.2 基于量化信息的卡尔曼滤波
由卡尔曼滤波（Kalman Filter， KF）公式可知，完成状态估计需要有两个量：一是根据前一时刻最优估计作出的一步预测值；二是当前时刻的观测值，因此，节点之间共享的信息必须包含这两个量。
网络的通信过程如图1所示。
传感器网络通信加入了量化的信息后，只要事先规定好彼此的量化区间范围和量化的位数，节点之间传递的数据信息就可以用若干位二进制数来传达，而不必用原有的精确数值进行状态估计，从而有效减少通信的带宽需求。
3 数值仿真
QDKF算法以卡尔曼滤波为基础，针对的是存在高斯白噪声的线性系统，多个节点同时对单个目标进行分布式滤波的过程。考虑一个具有50个节点的传感器网络，每个节点的传感器观测性能不尽相同，它们对网络中的一个移动目标作状态估计，网络拓扑结构如图2所示。假设该目标在区域内作半径为20m的匀速圆周运动，其运动方程为（状态变量为横纵坐标）：
假设系统的过程噪声为Rv～N（0，0.22），每个传感器节点的观测噪声是均值为零高斯白噪声，方差为[1，5]区间内的随机值，每个传感器观测矩阵都是C=I2×2，仿真选取的量化位数为Bit=8。对标准KF、基于传统加权矩阵的QDKF以及动态优化加权矩阵的QDKF的滤波效果进行对比。
3.1 卡尔曼滤波、分布式卡尔曼滤波与基于量化信息的分布式卡尔曼滤波3种滤波算法对比
图3为KF、DKF、QDKF这3种滤波算法的均方根误差对比，其中DKF和QDKF都采用动态加权的方法选择权重矩阵。对比KF算法和分布式滤波算法，对于同样的系统模型和观测噪声，传统卡尔曼滤波算法得到的状态估计精度依赖于节点本身的观测精度；而在分布式卡尔曼滤波算法中，观测精度差的节点，若其连通性比其他节点好（邻居节点多），根据其每个邻居节点传感器的观测性能，优化选取加权矩阵对邻居数据进行有效融合，使得估计误差的协方差矩阵最小，从而降低状态估计的均方根误差（Root Mean Square Error， RMSE），该节点得到的状态估计精度就会比其他节点高。DKF算法是在网络通信条件最理想，没有传输带宽限制的情况下进行的分布式滤波，因此滤波效果最为理想；QDKF算法将节点间传输的信息经过量化处理再相互共享，引入了量化误差必然会使状态估计的误差比DKF算法略有增加，然而数据传输带宽仅需8bit。换言之，节点间的数据仅需一个字节的数据量就能完成分布式滤波，大大减少了通信带宽的需求。
3.2 传统加权矩阵与动态优化加权矩阵的滤波对比
图4为QDKF算法中，分别运用传统的最大度加权法、Metropolis加权法以及动态优化加权法的滤波结果对比。图5为3种算法以及3种加权方法的均方根误差的均值对比。分析比较可知，在均方根误差为评价标准之下，3种加权方法中，动态加权方法的估计误差比最大度加权法降低了27.33%，比Metropolis加权法降低了25%，能更有效地进行数据融合，从而获得更好的状态估计。
4 结语
本文研究了无线传感器网络中状态估计的数据融合处理问题，提出了一种基于量化信息的分布式卡尔曼滤波算法。该算法不需要传统的数据融合中心，节点间通过跟邻居节点相互交换经过量化处理的信息来进行对目标的状态估计。量化策略采用具有无偏估计特性的均匀量化，与分布式滤波相结合，仿真中的数据传输带宽仅需8bit，有效地减少通信带宽需求。在系统的分布式滤波问题中，一致性矩阵的选择是滤波算法收敛速度以及状态估计精度的关键，传统方法对于加权系数的选取一般有最大度加权或者Metropolis加权。本文采用以系统整体的协方差矩阵最小为优化目标的方法，动态选取加权矩阵，更符合数据融合以精度来划分信息重要性的准则，对比传统的加权方法，提升了状态估计精度。
关键词：无线传感网络论文,动态加权,卡尔曼滤波
篇6：基于卡尔曼滤波的土壤水分同化试验
基于集合卡尔曼滤波的土壤水分同化试验
集合卡尔曼滤波是由大气数据同化发展的新的顺序同化算法,它利用蒙特卡罗方法计算背景场的误差协方差矩阵,克服了卡尔曼滤波需要线性化的模型算子和观测算子的.难点.我们发展了一个基于集合卡尔曼滤波和简单生物圈模型(SiB2,Simple Biosphere Model)的单点陆面数据同化方案.利用7月6日至8月9日青藏高原GAME-Tibet实验区MS3608站点的观测数据进行了同化试验.结果表明,利用集合卡尔曼滤波的数据同化方法可以明显地提高表层、根区、深层土壤水分的估算精度.
作 者：黄春林 李新 HUANG Chun-lin LI Xin 作者单位：中国科学院,寒区旱区环境与工程研究所,甘肃,兰州,730000 刊 名：高原气象 ISTIC PKU英文刊名：PLATEAU METEOROLOGY 年，卷(期)：2006 25(4) 分类号：P33 关键词：陆面数据同化系统 集合卡尔曼滤波 简单生物圈模型 土壤水分篇7：基于改进多级中值滤波的加权滤波算法论文
基于改进多级中值滤波的加权滤波算法论文
摘 要： 为了有效地抑制图像中的椒盐噪声，更好地保持图像细节，提出一种基于多级中值滤波的加权滤波算法。算法采用5×5滤波窗口，如果中心点为噪声点，则将滤波窗口划分为水平和垂直10个条形子窗口，先计算每个子窗口内所有非噪声点的均值，作为加权运算的基础值，然后求出这些基础值的中值，利用每个基础值与它们中值的差计算出每个基础值的相应权值。最后将这些基础值与对应权值进行加权运算，将结果替换中心点的像素值；如果中心点为非噪声点，则保持原值不变。实验结果表明，该算法对于高密度椒盐噪声污染的图像具有良好的去噪性能，并且较好地保持了图像的细节，效果优于传统的中值滤波算法和多级中值滤波算法。
关键词： 多级中值滤波； 椒盐噪声； 条形子窗口； 加权滤波算法
引 言
椒盐噪声是一种由摄像系统的'物理缺陷或信号传输过程中的解码错误而产生的黑白相间的点噪声，该噪声表现为噪声点的灰度值与其邻域像素点的灰度值明显不同[1]。由于椒盐噪声的存在，使图像的后续处理（如图像识别及图像分割等）效果较差甚至无法进行，因此如何有效地去除图像中的椒盐噪声一直以来都是图像预处理领域研究的热点之一。
在去除图像椒盐噪声算法中，传统中值滤波是一种常用的有效方法，算法采用小窗口邻域像素的中值代替原图像中各个像素的灰度值，对脉冲噪声具有良好的抑制作用，图像边缘等细节保持较好，但不足的是算法对噪声图像所有像素点均利用邻域中值替换，使得算法在较高密度噪声污染情况下，滤波性能急剧下降，甚至失去去噪性能，而且边缘容易产生移位，纹理细节不太清晰。为此，一些改进的中值滤波算法[2?5]被提出，这些算法在一定程度上改善了中值滤波的性能，能够滤除较好密度的椒盐噪声，但对于图像的边缘细节的保护还不是很理想。多级中值滤波算法如文献[6?7]算法对于随机的脉冲噪声滤除很有效，而且能够较好地保持图像的边缘信息，使其不被模糊和移位，但对于较高密度的椒盐噪声不能很好地滤除。文献[8]提出了一种改进的多级中值滤波算法（VHWR），算法较好地保持了图像细节，对较高密度的椒盐噪声滤波效果有了很大的提高，但当噪声密度超过80%时，去噪效果不理想。
为了有效地去除椒盐噪声，更好地保护图像的细节信息，提出了一种改进的多级中值滤波加权算法。算法借鉴了多级中值滤波的思想，采用文献[8]划分子窗口方法的基础上，对噪声点采用了邻域子窗口均值加权的方法进行滤除，在有效去除椒盐噪声的同时，对图像边缘等细节保护良好。
2 VHWR算法
3 本文算法
传统多级中值滤波算法MLM+及改进的算法VHWR通过多子窗口的划分，采用子窗口的中值进行平滑噪声点，对图像中的边缘、细线及纹理等细节保持较好，但它们共同的特点是在高噪声密度情况下，去噪性能较差。因此，本文在借鉴多级中值滤波算法子窗口划分思想的同时，对噪声点的平滑时引入了加权方法，算法原理如下。
3.1 子窗口划分
设f（i，j）为椒盐噪声图像，对于灰度图像来说，椒盐噪声点的灰度值主要表现为0或255。算法采用开关策略，如果滤波窗口中心点为非噪声点，则保持原值输出；如果是噪声点，则进行平滑处理，则将5×5滤波窗口划分为水平和垂直共10个条形子窗口，如图3所示。
5 结 语
在多级中值滤波算法基础上，提出了一种新的滤除椒盐噪声的滤波算法。该算法借鉴了多级中值滤波子窗口划分的思想，将滤波窗口划分为水平方向和垂直方向多个子窗口，采用开关策略，在滤除噪声过程中计算各子窗口去除非噪声点的像素点的灰度均值和中值，并采用阈值优化方法进行加权运算，对噪声点进行平滑。仿真实验结果证明了本文算法在不同密度椒盐噪声情况下具有较强的去噪能力，同时较好地保持了图像的边缘等细节，算法的滤波性能明显优于其他几种算法，具有一定的应用价值。
参考文献
[2] 孙树亮，王守觉.一种基于改进的极值中值滤波算法[J].计算机科学，2009，36（6）：165?166.
[4] 王建勇，周晓光，廖启征.一种基于中值?模糊技术的混合噪声滤波器[J].电子与信息学报，2006，28（5）：901?904.
[5] 张恒，雷志辉，丁晓华.一种改进的中值滤波算法[J].中国图象图形学报，2004，9（4）：408?411.
[7] 李振春，张成玉，王清振.基于小波变换与多级中值滤波的联合去噪方法[J].石油物探，2009，48（5）：470?474.
篇8：ABS车轮角加速度的卡尔曼滤波技术
ABS车轮角加速度的卡尔曼滤波技术
汽车制动防抱系统(ABS)控制的'关键在于对车辆轮速信号的处理,好的滤波方法对它来说尤为重要.卡尔曼滤波法作为一种非线性滤波方法,相对于传统滤波能够更快捷,更准确,更有效,更真实的反应出汽车行驶工况.本文通过分别采用卡尔曼滤波法与传统滤波方法对车轮角加速度信号处理后的数据比较,证明了卡尔曼滤波法是一种可用于ABS轮速信号处理的有效手段.
作 者：蒋维龙 孙骏 王鹏禄 作者单位：合肥工业大学机械与汽车工程学院,安徽合肥,230009 刊 名：数字技术与应用 英文刊名：DIGITAL TECHNOLOGY AND APPLICATION 年，卷(期)：2010 “”(1) 分类号：U463.5 关键词：汽车制动防抱死系统 轮速 信号处理 卡尔曼滤波 角加速度篇9：用卡尔曼滤波进行GPS动态定位
用卡尔曼滤波进行GPS动态定位
采用卡尔曼滤波进行GPS单点定位,必须合理地构造系统动态特性,才能使滤波平稳进行.介绍两种确定GPS观测数据方差的方法,然后针对卡尔曼滤波的发散问题进行讨论,并给出一种避免滤波发散的.渐消因子改进算法,实现滤波的自适应.最后结合算例验证了该方法的有效性.
作 者：蔡艳辉 程鹏飞 李夕银 CAI Yan-hui CHENG Peng-fei LI Xi-yin 作者单位：蔡艳辉,CAI Yan-hui(中国测绘科学研究院,北京,100039;辽宁工程技术大学,地理空间信息技术与应用实验室,辽宁,阜新,123000)程鹏飞,李夕银,CHENG Peng-fei,LI Xi-yin(中国测绘科学研究院,北京,100039)
刊 名：测绘通报 ISTIC PKU英文刊名：BULLETIN OF SURVEYING AND MAPPING 年，卷(期)：2006 “”(7) 分类号：P2 关键词：卡尔曼滤波 单点定位 发散篇10：卡尔曼预测滤波对跟踪传感器延迟补偿的算法研究
卡尔曼预测滤波对跟踪传感器延迟补偿的算法研究
针对跟踪传感器延迟对伺服系统的精度和稳定性的不利的影响,本文提出了一种补偿方法.根据已延迟的跟踪传感器信号通过卡尔曼预测滤波来计算当前的目标位置和速度信号,并将这两个信号分别作为伺服系统的位置引导信号和速度顺馈信号进行闭环跟踪.理论分析和仿真数据表明,卡尔曼预测滤波能够在几帧内预测得到较准确的`目标位置和速度信号,该补偿方法能够有效地提高伺服系统的跟踪精度和稳定性.
作 者：黄永梅 张桐 唐涛 马佳光 HUANG Yong-mei ZHANG Tong TANG Tao MA Jia-guang 作者单位：黄永梅,张桐,马佳光,HUANG Yong-mei,ZHANG Tong,MA Jia-guang(中国科学院光电技术研究所,四川,成都,610209)唐涛,TANG Tao(中国科学院光电技术研究所,四川,成都,610209;中国科学院研究生院,北京,100039)
刊 名：光电工程 ISTIC PKU英文刊名：OPTO-ELECTRONIC ENGINEERING 年，卷(期)：2006 33(6) 分类号：V556 关键词：卡尔曼滤波 跟踪传感器 信号延迟 误差补偿★ 基于卡尔曼滤波和粒子滤波器级联模型的静基座惯导初始对准算法及仿真
★ 乔迁之喜一类贺词
★ 杜曼 教学计划
★ 卡尔弥德读后感
★ 排序算法总结
一类加权全局迭代参数卡尔曼滤波算法（精选10篇）
