风廓线雷达数据处理EKF方法仿真研究

文章针对风廓线雷达实际工程应用中,处理风场数据时的非线性问题,在传统卡尔曼滤波技术的基础上,提出了基于扩展卡尔曼滤波的数据处理方法。选取2011年的风场数据进行计算机仿真分析,结果表明,该方法可以有效去除风场数据中掺杂的噪声干扰,较好的平滑了未滤波曲线,并弥补了经典卡尔曼滤波参数设置方面的不足,滤波效果优于传统的卡尔曼滤波,具有一定的工程应用前景。     

粒子滤波算法(PF)在疲劳驾驶检测系统中的应用研究

目前,实现定位跟踪的算法有很多,如卡尔曼滤波算法、扩展卡尔曼滤波算法、粒子滤波算法等。由于我们实际生活中的系统基本上都是非线性的,因此本文研究的是专门用于非线性非高斯系统跟踪的粒子滤波算法(PF)的基本原理及其具体应用。     

改进的卡尔曼滤波算法在行驶汽车状态估计中的应用现状

卡尔曼滤波及其改进方法在行驶车辆状态估计中有着广泛的应用,并取得良好的效果;本文针对自适应卡尔曼滤波算法、无轨迹卡尔曼滤波算法的应用等进行了综合性阐述。     

几种非线性滤波算法的性能分析

非线性随机动态系统的滤波问题是一类经常遇到的实际应用问题,本文分析了扩展卡尔曼(EKF)、无迹卡尔曼滤波(UKF)和粒子滤波(PF)这三种非线性滤波算法的基本原理和特点以及适应的条件。并通过一个强非线性系统的实验仿真,验证了各自算法的性能。     

卡尔曼滤波在电池状态预估中的鲁棒性分析

卡尔曼滤波器是基于状态空间模型的最小方差估计,广泛应用于动力电池状态估计领域。而在实际运用中,运用卡尔曼滤波a算法对动力电池状态进行估算的结果通常会出现发散的现象。为了解决这一问题,文章从算法的发散根源出发,根据不同的发散因子,提出相应的改进措施,确保卡尔曼滤波的鲁棒性,并以扩展卡尔曼滤波估算动力电池的电荷状态为例,通过算法改进前后的结果对比,验证了改进算法的有效性,同时也为无迹卡尔曼滤波、中心差分滤波、高斯埃尔米特滤波等相关算法的鲁棒性改进提供了理论指导与参考。     

基于UKF无传感器矢量控制技术理论综述

在永磁同步电机矢量控制设计中,针对传统方式的利用机械传感器检测转子位置和转速等输出反馈信号难以检测的问题,提出基于无传感器技术的卡尔曼滤波技术。在永磁同步电机控制系统中利用该技术可以在线估算永磁同步电机转子的位置和转速等反馈信号。本文详细阐述了扩展卡尔曼算法(Extended Kalman Filter,EKF)的计算过程并指出其缺点,针对以上缺点引入无迹卡尔曼滤波算法,同时指出无迹卡尔曼(Unsecented Kalman Filter,UKF)技术算法的优点及应用。针对目前少有人研究基于UKF无传感器永磁同步矢量控制技术,提出该方案研究的前景和可行性。     

卡尔曼滤波在路面检测信号处理中的应用

卡尔曼滤波是一种应用相当广泛的滤波方法。文章将卡尔曼滤波算法用于路面垂直载荷信号处理,通过数学建模、理论分析及实验验证,得到经过卡尔曼滤波算法处理后的路面垂直载荷,提高了数据的可靠性与真实性,对路面检测信号处理研究及采集人员分析路面状况具有重要意义。     

浅议卡尔曼滤波在风电功率预测中的应用

本文主要讨论风电并网技术难题之一风电功率预测,着重研究卡尔曼滤波器在风电功率预测中的应用,从卡尔曼滤波的原理出发,针对数字天气预报输出的贴近地面的相关气象参数存在系统误差而导致风电预测系统不能精确输出功率预测的问题,提出了一种将卡尔曼滤波器应用到风电功率预测系统的模型,用卡尔曼滤波算法对数字天气预报输出的风速量进行修正,并在同一时段同一地区内分别记录模型分析数据和实测数据后将两数据进行对比分析,结果表明经过卡尔曼滤波处理后的风速量能够比较好的与实测的风速量在变化趋势上相吻合,平均相对误差相比应用卡尔曼滤波器之前降低了19.7%,预测误差明显降低。     

卡尔曼滤波算法及其在组合导航中的应用综述

由于描述系统特性的数学模型和噪声的统计模型不准确,不能真实反映物理过程,使模型与获得的观测值不匹配从而会导致滤波器发散。文章在描述组合导航基本特性和卡尔曼滤波原理的基础上提出了滤波发散的问题并提出了抑制发散的方法,最后介绍了卡尔曼滤波在组合导航中的应用。     

RFID在自动车辆定位系统中的应用

在城市智能交通的快速发展中,自动车辆定位系统是近年来研究的热点。本文在传统定位技术GPS(全球定位系统)的基础上,详细地阐述了RFID(无线射频识别)在自动车辆定位系统中的应用。在具体分析两种定位技术城市交通中定位特点的基础上,提出了改进的RFID定位技术。研究将RFID的主动定位技术与GPS定位技术相结合,采用基于RFID的位置信息的EKF(扩展卡尔曼滤波)减小定位误差,满足车辆在不同的区域环境中对定位精度的要求,并且通过减少RFID电子标签的使用数量,减少资金的投入。     

用局部和半局部转移函数实现RBF型神经网络的逼近和分类

增量神经网络(IncNet)的结构是由增长和剪枝控制,并且与训练数据的复杂性相匹配。用扩展卡尔曼滤波算法作为其学习算法。双径向转移函数比其它常用于人工神经网络的转移函数更具有灵活性。最新的改进是在多维空间中(具有N-1个参数)增加转移函数的旋转常数值。通过对逼近基准和心理分类问题的结果分析,清楚地表明比其他分类网络模型具有更强的泛化性。     

ON REGIONAL SHOCKS IN THE SPANISH ECONOMY

It is well known that the nature of potential shocks impinging on a set of countries or regions may have important implications for relevant aspects of economic policy. This paper addresses the shocks issue empirically by applying the State Space methodology and the Kalman Filter to the case of the Spanish regions. The main conclusions are as follows: (i) it seems that the shocks affecting the Spanish regions have been mostly symmetric; (ii) their effects have been persistent rather than transitory; and (iii) supply shocks have been slightly more frequent than demand shocks.     

An Analysis of Structural Change in China using Biproportional Methods

Traditional IO techniques have been used and applied in detail to the case of the Chinese economy with a view to describing and analysing the gradual, albeit radical, transformation of the Chinese industrial fabric since the beginning of the economic reforms. Using a Biproportional Filter, our study has a threefold objective: to measure and analyse structural change that has taken place in the Chinese manufacturing sector since 1985; to highlight those industries that have been most responsible for the change; and to explain the reasons for these changes.     

Forecasting economies in transition: The case of Romania

Structural change is endemic in the Eastern European economies and the newly emerging Commonwealth of Independent States yet conventional econometric modelling techniques proceed under the assumption that there is a structurally stable true economy to be discovered. This paper extends the analysis of Hall (1993) by exploring the consequences of endemic structural change for forecasting and building structural econometric models. We propose a model formulation which makes the econometric model itself able to adjust its parameters in the light of economic change using the Kalman Filter.The paper then illustrates this approach by building a small model of Romania and investigating its forecasting properties.This work was presented at a meeting of the MEET II network funded by the ACE project, Econometric Inference into the Macroeconomic dynamics of East European Economies.     

Data-based mechanistic modelling and forecasting globally averaged surface temperature

The main objective of this paper it to model the dynamic relationship between global averaged measures of Total Radiative Forcing (RTF) and surface temperature, measured by the Global Temperature Anomaly (GTA), and then use this model to forecast the GTA. The analysis utilizes the Data-Based Mechanistic (DBM) approach to the modelling and forecasting where, in this application, the unobserved component model includes a novel hybrid Box-Jenkins stochastic model in which the relationship between RTF and GTA is based on a continuous time transfer function (differential equation) model. This model then provides the basis for short term, inter-annual to decadal, forecasting of the GTA, using a transfer function form of the Kalman Filter, which produces a good prediction of the ‘pause’ or ‘levelling’ in the temperature rise over the period 2000 to 2011. This derives in part from the effects of a quasi-periodic component that is modelled and forecast by a Dynamic Harmonic Regression (DHR) relationship and is shown to be correlated with the Atlantic Multidecadal Oscillation (AMO) index.     

基于FPGA的数字匹配滤波器的设计

数字匹配滤波器(DMF)在通信和雷达接收机中应用广泛,文章分析了匹配滤波器的重要参数和电路基本结构,结合数字匹配滤波器在扩频系统中的应用,给出了基于FIR滤波器的IP核设计数字匹配滤波器和折叠数字匹配滤波器的FPGA实现方法。     

基于状态空间模型的中国季度GDP季节调整(1996～2009年)

中国迄今为止尚未公布包括季度GDP在内的经季节调整的经济指标数据,这不仅不利于对中国宏观经济运行监测,也无法满足国际比较的迫切需要。本文对中国1996年一季度至2009年四季度的实际GDP构建基于状态空间形式的季节调整模型,通过卡尔曼滤波递推算法对状态向量的各分量进行了最优估计、平滑和预测,并对超参数进行了极大似然估计。在此基础上分析了这一期间中国GDP的主要季节和趋势特征,并计算出了季节调整后的季度环比增长率指标用来分析和监测经济走势,鉴别趋势拐点,制定相关经济政策。最后通过与国际通用的TRAMO-SEATS季节调整模型的对比发现其优越性。