导读:本文包含了自适应卡尔曼滤波器论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:卡尔,滤波器,自适应,协方差,分数,尔曼,扩展卡。
自适应卡尔曼滤波器论文文献综述
朱文超,何飞[1]（2019）在《基于双渐消因子调节的自适应卡尔曼滤波器》一文中研究指出卡尔曼(Kalman)滤波为线性最优递推滤波算法,但鲁棒性差,无法实时精确跟踪系统突变状态。为此,设计了一款双渐消因子调节的自适应Kalman滤波器。算法剖析了状态扰动环境下,不精准的先验预测及定量滤波增益对最优估计的影响。在标准Kalman滤波器的基础上,引入双渐消因子,实时激活滤波增益,调节先验估计及量测新息在状态估计中的权重。基于新息正交性定理,依据Sage开窗估计原理与加权最小二乘准则,建立了双渐消因子的函数解析式。借鉴滤波发散判据,构造了函数边界条件。实例研究表明,相较于抗差Kalman滤波器,自适应Kalman滤波器鲁棒性强,状态收敛速度快,稳态跟踪精度提升了44.76%。(本文来源于《石家庄铁道大学学报(自然科学版)》期刊2019年04期）
王福军,丁小燕,王前,白英广[2]（2019）在《自适应强跟踪卡尔曼滤波器载波环设计》一文中研究指出针对自适应Q_k/R_k卡尔曼滤波算法在大频偏或运动场景切换时存在收敛速度慢、易失锁问题,提出了一种自适应强跟踪滤波算法,该算法从自适应Q_k/R_k卡尔曼滤波算法出发,引入强跟踪技术。在稳态场景下,采用自适应Q_k/R_k算法保证跟踪环路有较好的跟踪精度;当场景变化时,自适应强跟踪算法保证跟踪环路有更稳健的动态性能。仿真结果表明,所提出的设计方法能够有效提高载波跟踪环路的跟踪精度和鲁棒性。(本文来源于《火力与指挥控制》期刊2019年11期）
杨超,高哲,黄晓敏,马瑞诚[3]（2019）在《含有有色噪声的非线性分数阶系统自适应扩展卡尔曼滤波器》一文中研究指出研究了含有未知参数的情况下,分别含有分数阶有色过程噪声和有色测量噪声的连续时间非线性分数阶系统状态估计问题.采用Grünwald-Letnikov (G-L)差分方法和1阶泰勒展开公式,对描述连续时间非线性分数阶系统的状态方程进行离散化和线性化.构造由状态量、未知参数和分数阶有色噪声的增广向量,设计自适应分数阶扩展卡尔曼滤波算法实现对有色噪声情况下的连续时间非线性分数阶系统的状态和参数的估计.最后,通过分析两个仿真实例,验证了提出算法的有效性.(本文来源于《信息与控制》期刊2019年05期）
张书刚[4]（2019）在《基于混合卡尔曼滤波器的涡轴发动机模型自适应修正》一文中研究指出针对因发动机个体性能差异和性能衰减引起的发动机模型与真实发动机之间的失配问题,提出一种基于混合卡尔曼滤波器的模型自适应修正方法。以MATLAB下封装的GasTurb模型为基础,将其输出作为卡尔曼滤波器的基准值,将发动机部件修正因子作为滤波器的增广状态变量进行估计,再将所得到的部件修正因子作为GasTurb模型输入对发动机个体性能进行计算。以涡轴发动机为应用对象,利用试验数据验证了该方法的有效性和工程实用性。(本文来源于《燃气涡轮试验与研究》期刊2019年05期）
高哲,黄晓敏,陈小姣[5]（2019）在《基于Tustin生成函数的自适应分数阶扩展卡尔曼滤波器》一文中研究指出本文提出一种基于Tustin生成函数的自适应分数阶扩展卡尔曼滤波算法,解决了含有相关的分数阶有色过程噪声和分数阶有色测量噪声的连续时间非线性分数阶系统的状态估计和参数辨识问题.首先,利用Tustin生成函数方法对分数阶系统方程进行离散化;然后,应用一阶泰勒展开公式对分数阶系统的非线性函数进行线性化;除此之外,根据增广变量方法处理系统中的未知参数和相关的分数阶有色噪声问题.与Grunwald-Letnikov(G-L)差分方法相比,基于Tustin生成函数的自适应分数阶扩展卡尔曼滤波算法能得到更高精度的状态估计值.最后,通过仿真实例验证该滤波算法的有效性和优越性.(本文来源于《第十六届沈阳科学学术年会论文集（理工农医）》期刊2019-10-10）
朱文超,何飞[6]（2019）在《基于变权新息协方差的自适应卡尔曼滤波器》一文中研究指出针对传统卡尔曼滤波器鲁棒性差,无法实时精确跟踪系统突变状态的现实,设计了一款基于变权新息协方差的自适应卡尔曼滤波器。在传统卡尔曼滤波器的基础上,分析了突变状态无法跟踪的缘由;基于滤波发散判据,分析储备系数与均权新息协方差之间的关系,对状态突变程度进行分层;基于Sage-Husa估计原理与加权最小二乘准则,对于不同程度的突变状态,采用实时调整各历元新息协方差权重的策略,优化渐消因子,激活滤波增益,增权量测新息。实例研究表明,自适应卡尔曼滤波器鲁棒性强,能够精确跟踪系统突变状态,其状态收敛速度优于抗差卡尔曼滤波器,稳态精度提升了42. 05%。(本文来源于《西华大学学报(自然科学版)》期刊2019年04期）
王福军,丁小燕,王前,白英广[7]（2019）在《自适应强跟踪Sage-Husa卡尔曼滤波器载波环设计》一文中研究指出针对Sage-Husa自适应卡尔曼滤波算法易引起发散且对初始条件的选取非常敏感的问题,提出一种自适应强跟踪Sage-Husa滤波算法。该算法从Sage-Husa自适应卡尔曼滤波算法出发,引入强跟踪技术,通过渐消因子在线修正一步预测误差协方差矩阵,使算法具有应对场景变化等不确定情况的能力,增强算法的鲁棒性;通过改进Sage-Husa自适应算法对噪声方差阵进行实时在线估计,使算法具有应对噪声变化的自适应能力,保证较好的跟踪精度。仿真结果表明,所提出的滤波算法能够有效提高载波环路的跟踪精度和鲁棒性。(本文来源于《电光与控制》期刊2019年10期）
杨景明,王亚超,杨波,李明煜[8]（2019）在《基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制》一文中研究指出针对传统扩展卡尔曼滤波器(EKF)固定的噪声协方差矩阵在观测感应电动机转速时不能同时满足系统动态和静态下精确估计的问题,提出了一种模糊自适应调整噪声协方差的方法。该方法可以根据状态鉴别器输出状态,经模糊自适应调整噪声协方差矩阵参数,解决了系统在动态和静态时对噪声协方差矩阵中不同参数需求的问题。仿真表明所提模糊自适应EKF转速估计精度更高,有效地提高了系统的抗干扰能力。(本文来源于《电机与控制应用》期刊2019年06期）
秦力舒,李洪兴,孙一[9]（2019）在《一种基于变论域自适应模糊逻辑系统提高卡尔曼滤波器性能的方法》一文中研究指出实际工程应用中,预测动态系统的状态通常是一类比较重要的问题。卡尔曼滤波器已经被证明是处理该类问题的一个有效的工具。在系统特性能够较好把握的前提下,卡尔曼滤波器的预测准确性很大程度上取决于测量噪声协方差矩阵R的实时取值情况。但由于工作状况的各种不确定性,使得R矩阵的值会持续地受到不确定的干扰,从而极大地影响了卡尔曼滤波器的工作性能。针对上述问题,考虑到变论域自适应模糊逻辑系统的独特优点,提出了一种基于变论域自适应模糊逻辑系统动态实时调整R矩阵的方法。通过对滤波新息序列的实时监测,利用其实际值与理论值之间的偏差,采用变论域自适应模糊逻辑系统动态地对卡尔曼滤波器进行实时调整,通过仿真算例,验证了此种方法的优越性。应用此方法,在提高卡尔曼滤波器的预测精度的同时,也简化了模糊逻辑系统的设计,从而为更加方便、有效地应用卡尔曼滤波器提供了一种新的思路。(本文来源于《模糊系统与数学》期刊2019年02期）
李华,于少娟[10]（2019）在《基于自适应卡尔曼滤波器的锂电池SOC估计策略》一文中研究指出针对卡尔曼滤波(KF)估计SOC过程中噪声的统计特性与实际不符时,滤波精度严重降低问题,为提高SOC估计精度,在二阶RC电池等效电路模型的基础上,提出一种自适应扩展卡尔曼滤波算法(AEKF),通过自适应协方差匹配算法对系统噪声协方差和测量误差协方差进行实时更新,有效解决了滤波参数设置不合理所造成的SOC偏差,实现了系统状态的最优化预测。利用MATLAB进行仿真比较,验证了新算法能够精确地估计SOC,对环境具有一定的适应能力,可以有效校正SOC初值,并降低累积误差和噪声干扰。(本文来源于《太原科技大学学报》期刊2019年01期）
自适应卡尔曼滤波器论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对自适应Q_k/R_k卡尔曼滤波算法在大频偏或运动场景切换时存在收敛速度慢、易失锁问题,提出了一种自适应强跟踪滤波算法,该算法从自适应Q_k/R_k卡尔曼滤波算法出发,引入强跟踪技术。在稳态场景下,采用自适应Q_k/R_k算法保证跟踪环路有较好的跟踪精度;当场景变化时,自适应强跟踪算法保证跟踪环路有更稳健的动态性能。仿真结果表明,所提出的设计方法能够有效提高载波跟踪环路的跟踪精度和鲁棒性。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
自适应卡尔曼滤波器论文参考文献
[1].朱文超,何飞.基于双渐消因子调节的自适应卡尔曼滤波器[J].石家庄铁道大学学报(自然科学版).2019
[2].王福军,丁小燕,王前,白英广.自适应强跟踪卡尔曼滤波器载波环设计[J].火力与指挥控制.2019
[3].杨超,高哲,黄晓敏,马瑞诚.含有有色噪声的非线性分数阶系统自适应扩展卡尔曼滤波器[J].信息与控制.2019
[4].张书刚.基于混合卡尔曼滤波器的涡轴发动机模型自适应修正[J].燃气涡轮试验与研究.2019
[5].高哲,黄晓敏,陈小姣.基于Tustin生成函数的自适应分数阶扩展卡尔曼滤波器[C].第十六届沈阳科学学术年会论文集（理工农医）.2019
[6].朱文超,何飞.基于变权新息协方差的自适应卡尔曼滤波器[J].西华大学学报(自然科学版).2019
[7].王福军,丁小燕,王前,白英广.自适应强跟踪Sage-Husa卡尔曼滤波器载波环设计[J].电光与控制.2019
[8].杨景明,王亚超,杨波,李明煜.基于模糊自适应扩展卡尔曼滤波器的异步电动机无速度传感器控制[J].电机与控制应用.2019
[9].秦力舒,李洪兴,孙一.一种基于变论域自适应模糊逻辑系统提高卡尔曼滤波器性能的方法[J].模糊系统与数学.2019
[10].李华,于少娟.基于自适应卡尔曼滤波器的锂电池SOC估计策略[J].太原科技大学学报.2019
论文知识图
