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。     

基于卡尔曼滤波方法的房价泡沫测算——以北京市场为例

常见的房地产市场价格泡沫估计模型普遍存在参数估计有偏的缺陷,为了更有效地估计房价泡沫,可以将动态最优模型与状态空间滤波方法相结合,通过构建一个动态最优局部均衡模型来刻画不存在投机因素的房地产市场基础供求关系,同时在把基本房价视作状态变量的基础上给出决定基本房价的状态空间模型,从而计算出房价泡沫。以北京市为例,使用2005年1季度至2009年4季度的相关数据,利用卡尔曼滤波方法对状态空间模型进行的测算显示,北京商品房市场的价格泡沫出现于2006年4季度,且近三年来的平均泡沫程度达到26.5%。     

道路交通流短时预测方法研究

由于交通流数据具有高度的复杂性和非线性特性,如何提高交通流预测的精度一直是智能交通系统研究的重要课题。本文在分析交通流预测的几种主要模型的基础上,提出了一种将混沌理论、神经网络和卡尔曼滤波技术组合的短时交通流预测方法,并论述了该预测方法的基本原理。     

卡尔曼滤波在四旋翼飞行器姿态解算中的应用

文章利用卡尔曼滤波算法对四旋翼飞行器中的姿态进行解算。利用自主设计的四旋翼飞行器控制系统,在加速度计和陀螺仪获得飞行姿态原始数据的基础上,通过卡尔曼滤波算法进行了数据融合。     

中国农村居民预防性储蓄动机估计及影响因素分析

预防性储蓄在中国居民储蓄决策中起着重要的作用,然而现有的研究大都忽视了这种预防性动机的动态变化特征,为此,本文基于状态空间模型和卡尔曼滤波算法,结合改革开放30年的历史数据分析了中国农村居民储蓄动机强度的变化特征。研究表明,中国农村居民预防性储蓄动机呈现出结构性断点;针对储蓄强度的影响因素分析表明,收入不确定性、农村消费价格指数、农产品生产价格总指数与农村居民储蓄强度正相关,而支出不确定性、名义利率、农村居民基尼系数负相关。     

卡尔曼滤波在经济预测中应用的探讨

通过对H．S．Houthakker和L．D．Taylor的“延迟决定需求模型”的数学模拟,将在宇航、辅助导航和军事等领域广泛应用的卡尔曼滤波与指数平滑法对比,探讨卡尔曼滤波在经济预测中应用的意义和作用。     

中美经济因素、人民币实际汇率波动与中美双边贸易差额研究

文章通过建立中美两国TV-FAVAR模型,考察了中美经济因素、人民币-美元实际汇率波动对中美贸易差额等主要经济变量的动态影响。结果表明:人民币-美元实际汇率升值在降低出口增速的同时,对进口增速也具有弱的负向冲击;美国经济因素对中国向美出口的影响,在中国加入WTO和次贷危机前后具有较大差异,且在次贷危机之后发生了结构性的变化。分析认为,人民币-美元实际汇率不是导致中美贸易逆差的根本原因,美国经济增长引致的需求增加是中美贸易差额的重要原因,但在次贷危机后又有新的变化。     

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。     

工程造价预测的灰色-卡尔曼滤波模型

对于工程建设者来说,准确进行工程造价预测决定着投标成败以及在工程实施过程中能否盈利的关键。利用同一公司过去几年承建同类工程的资料,建立灰色GM（1,1）模型,同时,采用卡尔曼序贯滤波算法减弱数据序列的随机性。通过实例仿真结果表明,该方法比传统灰色模型具有更好的预测效果,具有使用价值。     

我国居民家庭的资产配置分析——基于预期通货膨胀等因素的视角

近年来,随着我国居民生活质量的持续提高和资本市场发展的不断完善,家庭的资产配置问题历久弥新,成为关注的焦点。它不仅受家庭内部特征因素的影响,而且受宏观经济环境的影响。文章在混合式新凯恩斯菲利普斯曲线框架下,在设定关于预期通货膨胀率和预期真实利率的VAR方程基础上,建立状态空间模型,选用2002年1月至2015年12月的序列数据,运用卡尔曼滤波算法来估计预期通胀率,划分家庭的资产类别为储蓄类(通货、存款)、收益类(股票、证券投资基金、国债、保险准备金)和耐用品类(住宅资产),构建多元GARCH模型,综合分析宏观经济指标因素(GDP增长率、利率和预期通胀率)、家庭内部因素(收入水平、家庭其他决策中的消费)和资产价格因素(房产价格)对家庭资产配置的影响,家庭将据此调整资产配置方案,实现更加合理、有效的配置目标。