改进高阶容积粒子滤波的系统状态估计算法

传统粒子滤波（PF）直接采用状态转移先验分布作为重要性密度函数来近似后验概率密度函数，使得后验概率密度函数未包含量测信息。针对此问题，提出了一种改进高阶容积粒子滤波(CPF)的系统状态估计算法。算法采用七阶正交容积卡尔曼滤波（7th-CQKF）对PF的粒子进行传递，使得先验分布更新阶段融入最新量测信息；通过7th-CQKF设计重要性密度函数，提高对状态后验概率密度的逼近程度；通过反比例函数计算粒子权重，突出大噪声粒子与小噪声粒子权重差别，提高粒子有效性。仿真结果表明，改进高阶容积粒子滤波的估计精度高于容积粒子滤波（CPF）。     

实时OD估计中卡尔曼滤波算法研究

ITS研究中，动态OD矩阵估计是交通动态分配的关键因素。针对OD矩阵难以获得的问题，回顾动态OD矩阵估计理论的发展历程，明确该领域研究中的三个关键问题：状态变量的选择、系统方程的确定、OD量与路段流量的关系（分配矩阵）。在此基础上介绍一种基于历史OD矩阵数据的估计方法，卡尔曼滤波算法，为动态OD矩阵估计理论的进一步的研究奠定基础。     

基于状态空间模型与KALMAN滤波的中国电力需求分析

电力需求的发展规律特性对于电力系统规划以及电力市场的发展都是较为重要的因素.本文以状态空间模型与Kalman滤波技术为基础,发电量为研究对象,研究了中国电力需求的自身变化规律,以此为基础预测了未来5年中国电力需求增长状况;本文的研究对中国的电力工业未来的发展具有重要的指导意义.     

吉林省农村居民与城镇居民消费模式分析

文章将基于绝对收入和相对收入假说的消费模型扩展为时变参数模型,利用卡尔曼滤波对模型进行估计,得到时变边际消费倾向,识别了吉林省农村居民和城镇居民消费函数中边际消费倾向系数的时变特征,并比较了吉林省农村居民与城镇居民消费模式上的差异。结果表明,基于相对收入假说的消费函数模型能够更好地描述吉林省农村居民和城镇居民的消费行为。吉林省农村居民的边际消费倾向低于城镇居民的边际消费倾向,主要是由于农村居民对未来的预期没有城镇居民乐观。因此,提高农村居民的收入水平,增强其对未来收入的预期是扩大农村居民消费的有效途径。     

MIMO系统中基于卡尔曼滤波的信道预测算法研究

多输入多输出(MIMO)技术是LTE系统中的关键技术之一,能够在不增加带宽的情况下成倍地提高了通信系统的容量和频谱利用率。本文提出了一种多用户MIMO下行链路中基于卡尔曼滤波的信道预测算法。在实际传输时,发射端根据接收端反馈回来的信道信息预测出下一时刻的下行信道信息,仿真结果验证了所提方法的有效性。     

小型无人机导航系统的探索与研究

针对执行特定海域巡航的小型无人机,提出了GPS/INS组合导航系统的解决方案。首先介绍导航系统的算法和原理,根据任务需求,给出硬件构成及软件核心程序流程,通过仿真,证明在组合系统中采取PID控制以及卡尔曼滤波算法大大提高了导航的精度。     

基于平方根无迹卡尔曼滤波的数字预失真算法

射频功率放大器工作在近饱和点时产生的非线性效应是制约其性能提升的主要因素。 提出了一种基于非线性无迹卡尔曼滤波的数字预失真算法,可有效克服此非线性效应的影响 。针对预失真算法的状态方程为线性的特点,优化了无迹卡尔曼滤波算法以提高运算效率。 仿真结果表明,所提算法性能优于传统的基于最小均方的数字预失真算法。     

最小二乘算法在相对导航中的应用

介绍了相对导航原理。针对相对导航原理提出了一种基于最小二乘的滤波算法，改进卡尔曼滤波。经过仿真验证，该算法能满足定位要求，具有实现简单、效率高、适应性好等特点。