为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heav...为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。展开更多
针对非线性有源噪声控制,提出一种基于通用勒让德滤波器及其对应的滤波x最小均方误差算法(General Legendre Filtered-X Least Mean Square,GLFXLMS)。通用勒让德滤波器具有正交性,可在[-1,1]区间逼近任何因果、时不变、有限记忆、连续...针对非线性有源噪声控制,提出一种基于通用勒让德滤波器及其对应的滤波x最小均方误差算法(General Legendre Filtered-X Least Mean Square,GLFXLMS)。通用勒让德滤波器具有正交性,可在[-1,1]区间逼近任何因果、时不变、有限记忆、连续、非线性系统。基于滤波X最小均方(Filtered-X Least Mean Square,FXLMS)算法架构推导通用勒让德滤波器对应的自适应GLFXLMS算法,并分析该算法的计算量,完成该方法与其他方法在不同非线性条件下的控制效果对比。实验结果表明,对于不同的非线性有源噪声控制模型,所提算法控制效果良好。展开更多
针对前馈管道非线性有源噪声控制系统,提出一种基于通用切比雪夫滤波器的次级通道建模方法和通用切比雪夫滤波x最小均方误差算法(GCFXLMS,general Chebyshev filtered-x least mean square)。通用切比雪夫滤波器由第一类切比雪夫滤波器...针对前馈管道非线性有源噪声控制系统,提出一种基于通用切比雪夫滤波器的次级通道建模方法和通用切比雪夫滤波x最小均方误差算法(GCFXLMS,general Chebyshev filtered-x least mean square)。通用切比雪夫滤波器由第一类切比雪夫滤波器扩展获得,交叉项部分可通过对角结构实现,根据对角结构的性质,可以采用减少通道信号的实现策略以降低结构复杂度;使用该滤波结构建模次级通道,并给出了稀疏虚拟次级通道模型,基于此模型推导了GCFXLMS算法。该方法性能比较包括计算复杂度对比和控制效果对比。实验结果表明,在非线性有源噪声控制系统中,通用切比雪夫滤波器可达到与Volterra次级通道建模类似的建模效果,相比于传统的前馈滤波器,通用切比雪夫滤波器具有更优的控制性能。展开更多
文摘为降低实际应用中由强未知干扰和仪器故障对观测造成的影响,减轻随机和未建模干扰对系统的侵蚀,从而提升系统在非高斯噪声环境下的状态估计精度,提高滤波器的鲁棒性能,提出了一种基于高斯-重尾切换分布的鲁棒卡尔曼滤波器(Gaussian-heavy-tailed switching distribution based robust Kalman filter,GHTSRKF)。首先,通过自适应学习高斯分布和一种重尾分布之间的切换概率将噪声建模为GHTS(Gaussian-heavy-tailed switching)分布,所设计的GHTS分布可以通过在线调整高斯分布和新的重尾分布之间的切换概率来对非平稳重尾噪声进行建模,具有虚拟协方差的高斯分布用于处理协方差矩阵不准确的高斯噪声。其次,引入两个分别服从Categorical分布与伯努利分布的辅助参数将GHTS分布表示为一个分层高斯形式,进一步利用变分贝叶斯方法推导了GHTSRKF。最后,利用一个仿真场景对几种不同的RKFs(robust Kalman filters)进行了对比验证。结果表明,所提出的GHTSRKF算法的估计精度对初始状态的选取不敏感,精度优于其他RKFs,它的RMSEs最接近噪声信息准确的KFTNC(KF with true noise covariances)的RMSEs(root mean square errors),且当系统与量测噪声是未知时变高斯噪声时,相比于现有的滤波器,GHTSRKF具有更好的估计性能,从而验证了GHTSRKF的有效性。
文摘针对非线性有源噪声控制,提出一种基于通用勒让德滤波器及其对应的滤波x最小均方误差算法(General Legendre Filtered-X Least Mean Square,GLFXLMS)。通用勒让德滤波器具有正交性,可在[-1,1]区间逼近任何因果、时不变、有限记忆、连续、非线性系统。基于滤波X最小均方(Filtered-X Least Mean Square,FXLMS)算法架构推导通用勒让德滤波器对应的自适应GLFXLMS算法,并分析该算法的计算量,完成该方法与其他方法在不同非线性条件下的控制效果对比。实验结果表明,对于不同的非线性有源噪声控制模型,所提算法控制效果良好。
文摘针对前馈管道非线性有源噪声控制系统,提出一种基于通用切比雪夫滤波器的次级通道建模方法和通用切比雪夫滤波x最小均方误差算法(GCFXLMS,general Chebyshev filtered-x least mean square)。通用切比雪夫滤波器由第一类切比雪夫滤波器扩展获得,交叉项部分可通过对角结构实现,根据对角结构的性质,可以采用减少通道信号的实现策略以降低结构复杂度;使用该滤波结构建模次级通道,并给出了稀疏虚拟次级通道模型,基于此模型推导了GCFXLMS算法。该方法性能比较包括计算复杂度对比和控制效果对比。实验结果表明,在非线性有源噪声控制系统中,通用切比雪夫滤波器可达到与Volterra次级通道建模类似的建模效果,相比于传统的前馈滤波器,通用切比雪夫滤波器具有更优的控制性能。
