导读:本文包含了非线性卡尔曼滤波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,尔曼,扩展卡,平方根,系统,自适应,协方差。
非线性卡尔曼滤波论文文献综述
徐壮,彭力[1]（2019）在《带非线性约束的自适应高斯和卡尔曼滤波目标跟踪算法》一文中研究指出无线传感网络中运动目标状态通常满足某种非线性状态约束,为了提高对传感网络中运动目标的跟踪精度,降低非高斯噪声对状态估计的影响,避免高斯项数在迭代过程中的冗余累积,提出一种带非线性约束的权值自适应高斯和卡尔曼滤波算法;算法在每个时刻计算目标当前状态的高斯子项集合,并对每个高斯子项分别以无迹卡尔曼滤波进行状态估计;设计了一种高斯子项权值自适应策略动态调节子项权值,以实现无约束状态下的全局估计;将目标的非线性状态约束引入滤波器结构中时,考虑将其看作一类无约束状态估计的约束投影问题,通过状态约束信息先验来修正运动目标的状态估计;仿真结果表明,该算法与目前的非线性约束卡尔曼滤波相比具有更高的跟踪精度。(本文来源于《计算机测量与控制》期刊2019年06期）
程骄阳[2]（2018）在《基于卡尔曼滤波和部分观测的结构非线性行为识别研究》一文中研究指出基于结构动力响应的损伤识别和性能评估是结构健康监测的重要部分。非线性行为广泛存在于土木工程结构之中,尤其在结构出现损伤之后。对结构的非线性行为进行识别,有助于直观描述结构损伤的发生发展过程,并对结构耗能进行定量评估,对结构进行损伤识别具有重要意义。由于实际工程结构的非线性行为的参数化模型难以事先准确预知,结构质量不确定,动力响应观测量不完备,研究结构动力响应观测不完备情况下结构非线性行为的免模型识别方法具有重要意义。本文以卡尔曼滤波类算法为基础,结合其他算法理论,提出了仅利用部分观测信息,在结构质量与非线性恢复力模型未知情况下结构非线性行为识别方法,并通过数值模拟和实验验证该方法的可行性和非线性行为识别效果。主要研究内容如下:(1)在算法推演中介绍了卡尔曼滤波算法、最小二乘估计(Least square estimation,LSE)的参数识别法和基于二重切比雪夫多项式(Double Chebyshev Polynomials,DCP)模型的非线性恢复力表示方法,分析了各自的优势和局限,为后续非线性行为识别研究提供理论基础。(2)结合扩展卡尔曼滤波(Extended Kalman Filter,EKF)和LSE,提出了部分观测和质量未知情况下的结构非线性行为识别方法。在数值模拟中,分别在4自由度的链式结构中引入Duffing振荡器和Bouc-Wen磁流变阻尼器形成非线性系统,考虑不同质量初始误差和环境噪声的影响,验证了该算法的有效性和鲁棒性。(3)以适用于强非线性问题的无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)为基础,引入等价线性理论和DCP模型,提出基于部分观测的结构质量和非线性恢复力的免模型识别算法。以一个含有Bingham磁流变阻尼器的非线性数值模型为例,考虑不同激励位置,不同动力响应观测位置以及测量噪声影响,验证了该算法的识别效果。(4)在一个4层钢框架模型中安装形状记忆合金(Shape memory alloy,SMA)阻尼器模拟非线性结构,基于部分动力响应测量验证所提出的免模型结构非线性行为识别算法对阻尼器阻尼力的识别效果。分析对比结构未知动力响应与阻尼力识别结果与实测值,验证了所提出算法的识别效果。(本文来源于《湖南大学》期刊2018-05-28）
张英坤[3]（2018）在《扩展卡尔曼滤波在非线性系统中的应用》一文中研究指出扩展卡尔曼滤波利用泰勒展开实现非线性模型的局部线性化,扩展了卡尔曼滤波在非线性系统中的应用。将其分别应用于一维非线性系统和二维非线性系统中,通过MATLAB仿真得到其滤波结果及误差,结果表明扩展卡尔曼滤波具有良好的滤波性能和跟踪精度。(本文来源于《中国科技信息》期刊2018年07期）
汤代佳,尚东方,章敏[4]（2018）在《一类非线性系统的鲁棒扩展卡尔曼滤波算法》一文中研究指出为了提高对非线性系统状态的估计精度,针对传统滤波算法的不足,提出一种基于不确定矩阵表示的鲁棒扩展卡尔曼滤波方法。研究了一类噪声相关的非线性系统,首先对其非线性函数线性化并用不确定矩阵描述线性化产生的误差高阶项,然后推导出滤波器的估计误差协方差的表达式,接着利用两个差分方程构造该协方差的一个动态上界,再计算最优的滤波器增益,最后通过计算机仿真验证所提鲁棒扩展卡尔曼滤波算法的有效性。(本文来源于《电子技术与软件工程》期刊2018年04期）
汤启,何腊梅[5]（2018）在《带非线性等式约束无迹卡尔曼滤波方法》一文中研究指出针对带非线性等式约束的非线性系统的状态估计问题,给出了一种新形式的基于无迹卡尔曼滤波及伪观测手段的处理约束的状态估计方法(SPUKF)。在该方法中原动态系统被虚拟地分离成两个并行的子系统,各时刻的状态估计由基于这两个子系统构建的两套滤波链交替得到。相对于伪观测法中的序贯形式估计器,SPUKF无需事先确定观测及约束的处理次序且能获得更好的估计结果,故可以用来解决序贯方法中观测与约束的处理次序问题。由钟摆运动的实例仿真结果看到,SPUKF不仅有好于序贯形式无迹卡尔曼滤波的估计效果,误差改善比达到22%左右,而且算法运行时间与序贯形式估计器相近。此外,其估计效果还与批处理无迹卡尔曼滤波相当。(本文来源于《计算机应用》期刊2018年05期）
翟天源[6]（2017）在《GPS定位中非线性卡尔曼滤波研究分析》一文中研究指出GPS定位中常采用线性卡尔曼滤波模型,由于线性化模型精度很难满足高精度用户要求。为此,本文介绍了非线性卡尔曼滤波常使用的扩展卡尔曼滤波(EKF)和基于Bancroft算法的两步滤波法,并结合算例进行了比较分析。(本文来源于《城市地理》期刊2017年24期）
赵思亮[7]（2017）在《基于广义非线性卡尔曼滤波的化工过程软仪表》一文中研究指出化工过程模型大多是广义系统,广义系统状态估计在线性系统方面取得大量成果,但广义非线性系统状态估计研究成果较少,本文推导了离散型广义线性系统的卡尔曼滤波器和离散型广义非线性系统的扩展卡尔曼滤波器,通过催化裂化装置再生器二密相床的仿真分析证明了离散型广义非线性系统的扩展卡尔曼滤波器的可行性;在此基础上,推导了连续型广义线性系统的卡尔曼滤波器和连续型广义非线性系统的扩展卡尔曼滤波器,并通过二密相床的仿真分析对连续型广义非线性系统的扩展卡尔曼滤波器的可行性进行了验证。学者们对连续系统离散化后应用卡尔曼滤波多采用欧拉法离散,其他离散化方法研究较少,本文推导了欧拉法离散的连续—离散型广义系统扩展卡尔曼滤波器、梯形法离散的连续—离散型广义系统扩展卡尔曼滤波器和四阶龙格—库塔法离散的连续—离散型广义系统扩展卡尔曼滤波器,并在不同离散采样周期下分别用叁种离散化方法离散的连续—离散型广义系统的扩展卡尔曼滤波器对快时间尺度的乙炔加氢反应器模型进行仿真,得出了在不同离散采样周期下不同离散化方法的优劣效果。参数慢时变现象广泛存在于化工过程中,化工装置的一个运行周期内慢时变参数的缓慢变化造成化工装置的性能逐渐下降,慢时变参数的变化也给被控变量的精确控制带来影响,影响装置的控制效果,因此对慢时变参数的在线估计很有实际意义。乙炔加氢反应器是一个典型例子。对于乙炔加氢反应器,催化剂活性的时间单位为“日”,不可测干扰和控制系统抑制干扰的动作是以“秒”为时间尺度的,由于慢时变参数和被控变量时间尺度不同,故设计基于广义扩展卡尔曼滤波的慢时间尺度和快时间尺度的乙炔加氢反应器软仪表。仿真结果表明,在慢时间尺度下和快时间尺度下,分别将催化剂活性和被控变量做为状态变量后,广义扩展卡尔曼滤波可以完成对以“天”为周期的催化剂活性和以“秒”为周期的被控变量的估计,估计结果能够稳定收敛到机理模型模拟值并且具有较好的动态性能。该方法也可以应用到其它存在参数慢时变现象的化工过程中。(本文来源于《中国石油大学（北京）》期刊2017-05-01）
冯亚丽[8]（2017）在《非线性卡尔曼滤波算法的改进及精度分析》一文中研究指出目标跟踪在现代科技生活中的应用日益普遍,从国家军事方面的航空登月轨道预测追踪到现实生活中的车辆轨迹追踪。从定义上看,目标追踪可简单理解为对目标运动轨迹的估计问题。如何解决这些问题,实时、准确地对目标进行跟踪是技术上的难点。多年来,人类对于目标跟踪的方法理论和实践的研究从未止步。作为目标跟踪的一个重要实现方法,贝叶斯滤波算法的研究是个热点也是难点。其中,以卡尔曼滤波算法最为典型,在实现过程中,该滤波算法需要将未知参数当作随机变量来处理,进而使用先验概率和当前观测到的数据信息来计算后验概率,协调了先验信息和当前数据信息的应用。此外,在线性系统下,卡尔曼滤波算法可以在最小均方误差条件下,通过先验概率与后验概率的递归运算给出信号的最优估计,是一种应用相当广泛的滤波算法。但是在实际中,我们所遇到的系统大都是非线性的,这种常规的线性卡尔曼滤波算法只能局限于线性系统模型的应用中。非线性滤波算法也因此得到了更多的关注并逐渐被人们提出。近年来,被广泛应用的非线性滤波算法主要有无迹卡尔曼滤波算法、容积卡尔曼滤波算法以及球面单纯形容积卡尔曼滤波算法等等。这类滤波算法大都是在高斯假设的前提下,结合贝叶斯滤波理论,通过对概率密度函数进行近似处理,再利用数值积分理论进行近似计算,从而得到一系列采样点以及相应的权重。考虑到这些复杂多变的噪声以及其他一些不确定性因素,人们需要去寻找鲁棒性能好且能适应复杂非线性环境的非线性卡尔曼滤波算法来改善估计性能。此外,科技的日益进步对算法提出的要求也越来越高,这就意味着对滤波器的研究不能仅限于新型算法的设计,而必须意识到算法性能在其应用上的重要性,而衡量不同滤波器性能好坏的一个重要指标就是状态的估计精度。据此,本文在对已有的研究进行了解之后,主要围绕如下几个方面进行了研究工作:(1)对采样准则的改进。这种改进主要针对容积准则,传统的容积卡尔曼滤波算法是基于相同阶数的球面-径向容积准则推导而来的,而本文则是将混合阶的思想应用在球面-径向容积准则上,提出了一种新型的基于混合阶的容积卡尔曼滤波器,并通过MATLAB仿真对所提算法与传统算法在时间复杂度和精度上进行了综合比较,验证了该算法在工程实践中的应用价值。(2)研究了增广算法在复杂环境应用中表现的鲁棒性。本文将一类基于确定性采样的增广非线性卡尔曼滤波算法应用于目标跟踪模型中,通过设置状态的突变干扰和时变干扰来验证该增广非线性卡尔曼滤波算法在复杂环境中能表现出较好的鲁棒性能,证明了其在目标实时跟踪中的实用性和有效性。(3)对混合阶算法进行了精度分析。在传统的球面单纯形-径向容积卡尔曼滤波算法的基础上,同样将混合阶的思想应用在球面单纯形-径向容积准则中,并利用基于泰勒展开式的精度分析方法对所提的混合阶球面单纯形-径向容积卡尔曼滤波算法进行了均值和协方差的分析,仿真分析验证了该算法能够有效地提高滤波精度。(本文来源于《西南大学》期刊2017-03-15）
张玉峰,周奇勋,周勇,张举中[9]（2016）在《非线性自适应平方根无迹卡尔曼滤波方法研究》一文中研究指出针对带有附加噪声且噪声特性未知的系统,提出了一种非线性卡尔曼滤波方法——自适应平方根无迹卡尔曼滤波(NASRUKF)方法,该方法基于平方根滤波的思想,对传统的Sage-Husa自适应滤波算法进行了改进,并与平方根无迹卡尔曼滤波(SRUKF)算法相结合用来进行非线性滤波。该算法能直接对非线性系统的状态方差阵和噪声方差阵的平方根进行递推与估算,确保状态和噪声方差阵的对称性和非负定性。将所提方法通过计算机仿真技术与SRUKF算法进行对比,结果表明NASRUKF方法在滤波精度、稳定性和自适应能力方面均优于SRUKF方法。(本文来源于《计算机工程与应用》期刊2016年16期）
叶松庆[10]（2016）在《非线性卡尔曼滤波算法研究》一文中研究指出非线性滤波技术在信息通信系统、控制系统以及诸多其它领域中均有重要作用,比如广播电视通信、卫星导航与定位和目标跟踪等。故非线性滤波技术在我们的生活中无处不在,时刻影响着我们的生活。针对非线性滤波问题,研究人员提出多种非线性滤波算法。基于线性化的扩展卡尔曼滤波(Extended Kalman filter,EKF)已经被广泛地用于工业非线性系统。但扩展卡尔曼滤波存在精度和稳定性等局限性,它无法应用于某些高维度、高非线性系统中。粒子滤波(Particle filter,PF)基于重要性采样,获得大量的随机样本和正权重,实现系统滤波。而随着滤波进程与系统维度的增加,粒子滤波面临严重的粒子退化与维度灾难问题。近年来,人们提出了无迹卡尔曼滤波(Unscented Kalman filter,UKF)和容积卡尔曼滤波(Cubature Kalman filter,CKF)。无迹卡尔曼滤波和容积卡尔曼滤波基于均值与协方差信息得到确定性样本,并通过矩匹配获得相应权重,再结合卡尔曼滤波框架实现高精度的滤波和状态估计。但该两种算法在某些情况下,存在负权重,进而导致算法的数值不稳定。根据粒子滤波、容积卡尔曼滤波和无迹卡尔曼滤波的采样策略,本文将提出一种高斯分布条件下的新型确定性采样方法。该新型采样方法融合了容积卡尔曼滤波、无迹卡尔曼滤波的确定性采样与粒子滤波的重要性采样,并被命名为伞形采样(Umbrella sampling,US)。基于伞形采样和非线性卡尔曼滤波框架,我们得到新型非线性高斯滤波器——伞形采样滤波器(Umbrella sampling filter,USF)。伞形采样滤波的样本信息传递方式类似于无迹卡尔曼滤波,而样本分布方式则是一般化的容积卡尔曼滤波样本分布方式。对于样本权重而言,伞形采样滤波的样本权重计算方式类似于粒子滤波,是归一化的非负权重。因此,伞形采样滤波同时具有容积卡尔曼滤波和无迹卡尔曼滤波的滤波精度和计算复杂度与粒子滤波的稳定性;又不存容积卡尔曼滤波和无迹卡尔曼滤波可能面临的非正权重导致的滤波不稳定等问题。总而言之,伞形采样滤波是高维非线性问题的可靠滤波方法。(本文来源于《中国科学院重庆绿色智能技术研究院》期刊2016-05-01）
非线性卡尔曼滤波论文开题报告
（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：
基于结构动力响应的损伤识别和性能评估是结构健康监测的重要部分。非线性行为广泛存在于土木工程结构之中,尤其在结构出现损伤之后。对结构的非线性行为进行识别,有助于直观描述结构损伤的发生发展过程,并对结构耗能进行定量评估,对结构进行损伤识别具有重要意义。由于实际工程结构的非线性行为的参数化模型难以事先准确预知,结构质量不确定,动力响应观测量不完备,研究结构动力响应观测不完备情况下结构非线性行为的免模型识别方法具有重要意义。本文以卡尔曼滤波类算法为基础,结合其他算法理论,提出了仅利用部分观测信息,在结构质量与非线性恢复力模型未知情况下结构非线性行为识别方法,并通过数值模拟和实验验证该方法的可行性和非线性行为识别效果。主要研究内容如下:(1)在算法推演中介绍了卡尔曼滤波算法、最小二乘估计(Least square estimation,LSE)的参数识别法和基于二重切比雪夫多项式(Double Chebyshev Polynomials,DCP)模型的非线性恢复力表示方法,分析了各自的优势和局限,为后续非线性行为识别研究提供理论基础。(2)结合扩展卡尔曼滤波(Extended Kalman Filter,EKF)和LSE,提出了部分观测和质量未知情况下的结构非线性行为识别方法。在数值模拟中,分别在4自由度的链式结构中引入Duffing振荡器和Bouc-Wen磁流变阻尼器形成非线性系统,考虑不同质量初始误差和环境噪声的影响,验证了该算法的有效性和鲁棒性。(3)以适用于强非线性问题的无迹卡尔曼滤波算法(Unscented Kalman Filter,UKF)为基础,引入等价线性理论和DCP模型,提出基于部分观测的结构质量和非线性恢复力的免模型识别算法。以一个含有Bingham磁流变阻尼器的非线性数值模型为例,考虑不同激励位置,不同动力响应观测位置以及测量噪声影响,验证了该算法的识别效果。(4)在一个4层钢框架模型中安装形状记忆合金(Shape memory alloy,SMA)阻尼器模拟非线性结构,基于部分动力响应测量验证所提出的免模型结构非线性行为识别算法对阻尼器阻尼力的识别效果。分析对比结构未知动力响应与阻尼力识别结果与实测值,验证了所提出算法的识别效果。
（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。
非线性卡尔曼滤波论文参考文献
[1].徐壮,彭力.带非线性约束的自适应高斯和卡尔曼滤波目标跟踪算法[J].计算机测量与控制.2019
[2].程骄阳.基于卡尔曼滤波和部分观测的结构非线性行为识别研究[D].湖南大学.2018
[3].张英坤.扩展卡尔曼滤波在非线性系统中的应用[J].中国科技信息.2018
[4].汤代佳,尚东方,章敏.一类非线性系统的鲁棒扩展卡尔曼滤波算法[J].电子技术与软件工程.2018
[5].汤启,何腊梅.带非线性等式约束无迹卡尔曼滤波方法[J].计算机应用.2018
[6].翟天源.GPS定位中非线性卡尔曼滤波研究分析[J].城市地理.2017
[7].赵思亮.基于广义非线性卡尔曼滤波的化工过程软仪表[D].中国石油大学（北京）.2017
[8].冯亚丽.非线性卡尔曼滤波算法的改进及精度分析[D].西南大学.2017
[9].张玉峰,周奇勋,周勇,张举中.非线性自适应平方根无迹卡尔曼滤波方法研究[J].计算机工程与应用.2016
[10].叶松庆.非线性卡尔曼滤波算法研究[D].中国科学院重庆绿色智能技术研究院.2016
论文知识图
