针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算(Pedestrian Dead Reckoning,PDR)融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融...针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算(Pedestrian Dead Reckoning,PDR)融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融合,推算用户的最优估计位置.同时,基于滤波反馈机制,通过融合定位结果对加权最小二乘法中的路径损耗指数和滤波模型中的观测协方差进行动态修正,保证Wi-Fi传播模型接近于真实室内环境.实验结果表明,该方法能够有效解决室内复杂环境下单一Wi-Fi定位精度低和PDR累积误差的问题,此外,路径损耗指数和观测协方差的实时修正可以提高融合定位系统的定位精度和稳定性.展开更多
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
目前,现有研究缺乏对综合能源系统为上级电力系统提供灵活性支持潜力的评估,且未充分考虑综合能源系统内部多元负荷不确定性对上述潜力的影响,提出一种基于保守度自适应优化的综合能源系统鲁棒灵活性评估方法。首先,从上级电力系统视角...目前,现有研究缺乏对综合能源系统为上级电力系统提供灵活性支持潜力的评估,且未充分考虑综合能源系统内部多元负荷不确定性对上述潜力的影响,提出一种基于保守度自适应优化的综合能源系统鲁棒灵活性评估方法。首先,从上级电力系统视角出发,以综合能源系统的外部电力需求为量化指标,建立综合能源系统灵活性的确定性评估模型;其次,考虑多元负荷的不确定性,改进传统鲁棒优化模型的保守度约束条件,提出保守度参数自适应优化方法,在此基础上对外部电力需求区间上、下界分别建立max-min-max和min-max-min二阶段鲁棒优化模型;再次,利用KKT(Karush-Kuhn-Tucker)条件、McCormick松弛对子问题中存在的双层结构进行对偶和线性化处理,采用列与约束生成(column and constraint generation,C&CG)算法将二阶段鲁棒优化模型分解为主问题与子问题循环求解。最后,结合算例验证了本评估模型和求解方法的有效性。展开更多
文摘针对室内复杂环境下信道状态信息的动态性问题,本文提出了一种面向室内Wi-Fi/行人航迹推算(Pedestrian Dead Reckoning,PDR)融合定位的自适应鲁棒卡尔曼滤波方法.该方法利用自适应鲁棒卡尔曼滤波将Wi-Fi传播模型与PDR定位信息进行多重融合,推算用户的最优估计位置.同时,基于滤波反馈机制,通过融合定位结果对加权最小二乘法中的路径损耗指数和滤波模型中的观测协方差进行动态修正,保证Wi-Fi传播模型接近于真实室内环境.实验结果表明,该方法能够有效解决室内复杂环境下单一Wi-Fi定位精度低和PDR累积误差的问题,此外,路径损耗指数和观测协方差的实时修正可以提高融合定位系统的定位精度和稳定性.
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。
文摘目前,现有研究缺乏对综合能源系统为上级电力系统提供灵活性支持潜力的评估,且未充分考虑综合能源系统内部多元负荷不确定性对上述潜力的影响,提出一种基于保守度自适应优化的综合能源系统鲁棒灵活性评估方法。首先,从上级电力系统视角出发,以综合能源系统的外部电力需求为量化指标,建立综合能源系统灵活性的确定性评估模型;其次,考虑多元负荷的不确定性,改进传统鲁棒优化模型的保守度约束条件,提出保守度参数自适应优化方法,在此基础上对外部电力需求区间上、下界分别建立max-min-max和min-max-min二阶段鲁棒优化模型;再次,利用KKT(Karush-Kuhn-Tucker)条件、McCormick松弛对子问题中存在的双层结构进行对偶和线性化处理,采用列与约束生成(column and constraint generation,C&CG)算法将二阶段鲁棒优化模型分解为主问题与子问题循环求解。最后,结合算例验证了本评估模型和求解方法的有效性。
