基于海气耦合模式的均权重粒子滤波与集合卡尔曼滤波比较研究

在大气和海洋环境研究中,粒子滤波(PF)由于在非线性数据同化方面突出的优势,逐渐成为研究热点。最近改进的均权重粒子滤波(EWPF)为粒子滤波的进一步发展指明了新方向。集合卡尔曼滤波方法 (EAKF)作为当前主要应用的数据同化方法,使用高斯假设和线性假设来解决非线性问题,然而对均权重粒子滤波方法和卡尔曼滤波方法在非线性模式下的同化结果和特点还缺少系统详细的比较研究。本文在非线性耦合气候模式下,比较研究两种同化方法,采用均方根误差(RMSE)作为评价比较标准。实验结果表明,在非线性低频观测耦合模式中EWPF结果均优于EAKF。同时根据RMSE的结果得出,EWPF的同化结果更接近观察结果,而EAKF的同化结果更接近模式真值。     

智能优化方法与粒子滤波技术融合的分析与展望

智能优化算法通过模拟自然生态系统机制以解决复杂优化问题,粒子滤波成为解决非线性及非高斯动态系统最优估计问题的研究热点。若将多种优化算法结合使用,设计更好的滤波器参数寻优步骤,将会极大改善现有非线性滤波的估计性能。介绍了几种智能计算方法和粒子滤波方法,在此基础上,对智能优化方法与粒子滤波技术的融合进行了分析和讨论,并加以总结和展望。     

基于CT非线性模型的水下目标跟踪算法比较

针对水下目标跟踪非线性跟踪精度问题,假设目标机动模型为恒转速运动模型,贝叶斯框架下,因扩展卡尔曼滤波跟踪方法进行模型在估计点的泰勒展开,忽略一阶以上高阶项,存在模型误差,比较了扩展卡尔曼滤波、无迹卡尔曼滤波、容积卡尔曼滤波在高斯噪声干扰下滤波误差均方根,以及3种方法运行时间。仿真证明,非线性系统下状态维度为5,容积卡尔曼滤波跟踪的精度高于无迹卡尔曼滤波,无迹卡尔曼滤波高于扩展卡尔曼滤波。该研究为海上目标非线性测量系统提供仿真实例,为进一步滤波算法改进提供基础。     

带乘性噪声的一类非线性系统的滤波算法

针对带乘性噪声的一类非线性系统,给出了1种带单重渐消因子的强跟踪状态滤波算法。该算法将非线性系统线性化后,采用了线性最小方差估计方法来进行状态估计,通过运用正交原理和引入渐消因子,使得滤波效果具有强跟踪的优良性能。该算法扩展了卡尔曼滤波在带乘性噪声非线性系统状态估计中的应用范围。仿真结果表明了该算法的有效性。     

多传感器组合导航系统研究

为了满足水下航行器高精度导航定位的需求,建立了多传感器组合导航的系统模型。针对信息融合过程中出现的非线性环节,在传统联邦滤波器的基础上,提出了基于粒子滤波的混合联邦滤波器。其中,线性子系统采用卡尔曼滤波算法进行滤波估计,非线性子系统采用粒子滤波算法进行滤波估计。计算机仿真分析表明,该混合联邦滤波算法能够将线性和非线性子系统的滤波结果很好地融合起来,提高了组合导航系统的定位精度。     

基于非线性滤波的水下地形辅助导航方法

为了解决水下航行器惯性导航误差随时间积累问题,利用地形辅助导航技术进行导航位置修正。由于水下地形的非线性,对基于扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和粒子滤波(PF)3种非线性滤波方法的水下地形辅助导航算法进行研究。针对传统基于单波束声纳量测模型在小起伏地形区域导航精度低、易发散问题,从提高量测地形信息量角度,建立了基于多波束测深声纳的量测模型。使用多波束实测地形数据进行仿真试验,结果表明:无论在粗糙地形区域还是较平坦地形区域,多波束量测模型有效缓解了3种方法易发散问题,提高了导航精度。     

一类带乘性噪声多通道非线性系统的平滑算法

在各通道乘性噪声不同的情况下,针对多通道带乘性噪声非线性系统的状态估计问题,提出1种状态平滑算法。该算法运用扩展卡尔曼滤波方法先根据全部观测数据对状态进行滤波估计,并存储一步预测估计值和一步预测估计误差的方差,利用存储的数据进行递推运算,得到状态的固定域平滑估计。仿真结果表明平滑算法较滤波算法精确性更高,稳定性更强。     

带边界约束的容积卡尔曼滤波

非线性系统的状态估计问题可以通过容积卡尔曼滤波解决,本文进一步针对非线性系统,提出了基于容积卡尔曼滤波和非线性动态数据融合算法的约束容积卡尔曼滤波方法,用以处理带边界约束的非线性系统的滤波。该滤波器使所有容积点均约束在边界之内,同时依据可相信程度确定相应的容积点权重,使滤波过程充分考虑状态约束的影响,提高滤波精度。但该算法的不足之处是运算量相对较大,随着计算机运算能力的提高,这一问题可以克服。仿真结果表明:相对于容积卡尔曼滤波算法,本算法敛速度更快、收敛精度更高,鲁棒性更好。     

EnKF和SIR-PF在贝叶斯滤波框架下的比较和结合

贝叶斯估计理论为非线性、非高斯系统的数据同化提供了一个统一的框架。在本文中,我们利用著名的洛伦茨吸引子(Lorenz'63)模式对两种基于贝叶斯滤波理论的数据同化方法——集合卡尔曼滤波器(EnKF)和重取样粒子滤波器(SIR-PF)——进行了较为全面的比较。比较的结果揭示了两种方法的优缺点:即当集合成员数目较多时,SIR-PF的同化效果优于EnKF;反之,则EnKF的表现较好。进一步地,我们使用统计方法分析了两者表现的差异和原因。最近提出的一种集合卡尔曼粒子滤波器(EnKPF)通过使用一个可控的参数整合EnKF和SIR-PF的分析格式,可以结合两者的优点。本文在充分比较两种方法的前提下,重新阐释并改进了原有的EnKPF算法,使之适用于非线性的观测算子。通过使用相同的洛伦茨模式实验,我们揭示了EnKPF实质上提供了关于EnKF和SIR-PF的连续插值,使得后两者可以视为其特殊情况。并且,在集合成员数目有限的前提下,EnKPF可以在一定程度上避免滤波退化的发生,取得优于EnKF和SIR-PF的同化效果。     

船测瞬时海面大地高的获取与数据处理分析

为获得高精度的沿海区域瞬时海面大地高数据,利用船载GPS RTK技术能在动态条件下获得厘米级定位精度这一优势,采用高斯滤波及卡尔曼滤波方式对采集到的观测数据进行处理。从实验数据出发给出了高斯分布参数的选择方法并成功用于高程数据的滤波处理,同时以卡尔曼滤波方法作比较,分析了在获取瞬时海面大地高这一具体问题中两种方法的优劣,认为高斯滤波方法优于卡尔曼滤波。     

Application of particle filter combined with extended Kalman filter in model identification of an autonomous underwater vehicle based on experimental data

This study proposes a method for identification of the nonlinear dynamic model of an AUV while some states are unmeasured; hence, it concentrates on a nonlinear “state and parameter estimation” issue. In this method, a local linearization is used for solving the nonlinear dynamics based on the extended Kalman filter (EKF), and a particle filter (PF) is used to minimize errors and variances of the nonlinear system. In other words, the PF is combined with the EKF in the form of the extended Kalman particle filter (EKPF). The EKPF method is independent of the initial values and satisfies the limits of the parameters and also the assumption that the hydrodynamic coefficients are constant. Hence, it is shown when the ranges or signs of some parameters are known, the EKPF is a more accurate estimator than the EKF. Moreover, a new simulation is done using the model estimated by the EKPF and the results are compared and validated with the measured data of a new experimental test. It is shown that the obtained model can predict the trajectory path with the total normalized root-mean-square error (NRMSE) of 14% and the surge mean speed with the NRMSE of 5%; and it describes the 6DOF motion of the AUV more accurate than the EKF model.     

集合资料同化方法的理论框架及其在海洋资料同化的研究展望

在海洋动力系统的数值模拟中,海洋资料同化是一种能够有效融合多源海洋观测资料和数值模式的方法。它不仅可以显著地提高数值模拟的效果,构造海洋再分析资料场,还能有效减少海洋和气候预报时模式初始条件的不确定性。因此,海洋资料同化对于海洋研究和业务化应用具有非常重要的意义。资料同化方法的研究一直是大气、海洋科学的热门课题之一。其中,集合卡尔曼滤波器(EnKF)是一种有效的资料同化方法,自提出以来经过了20多年的发展和改进,已经在海洋资料同化中得到了广泛的研究和应用。近年来,随着动力模式的不断发展和计算能力的提高,粒子滤波器由于不受模型线性和误差高斯分布假设的约束,也逐渐成为了当前资料同化方法研究的热点。本文分析和总结了目前关于集合卡尔曼滤波器和粒子滤波器的一些最新理论研究结果,在贝叶斯滤波理论的框架下讨论了这两类算法的关联和区别,以及各自在资料同化实践中的优势和不足。在此基础上,我们探讨了粒子滤波器应用于海洋模式资料同化的主要困难和目前可行的一些解决方法,展望了集合资料同化方法研究的新趋势,为集合资料同化方法的进一步发展和应用提供理论基础。     

The statistical observation localized equivalent-weights particle filter in a simple nonlinear model

This paper presents an improved approach based on the equivalent-weights particle filter(EWPF) that uses the proposal density to effectively improve the traditional particle filter. The proposed approach uses historical data to calculate statistical observations instead of the future observations used in the EWPF’s proposal density and draws on the localization scheme used in the localized PF(LPF) to construct the localized EWPF. The new approach is called the statistical observation localized E...     

Comparative ecophysiology of active zoobenthic filter feeding, essence of current knowledge

The present contribution gives an overview of current knowledge of a comprehensive and steadily growing research field. The first section deals with water pumping and particle retention mechanisms in ciliary and muscular filter feeders. The second section examines the biological filter pumps in order to assess adaptation to the environment. Filter-feeding benthic invertebrates have evolved filter pumps to solve common basic problems. This has led to a large degree of similarity between otherwise distant standing species, which makes comparative studies interesting and important. The present review of zoobenthic filter feeding aims at accentuating such recognition.     

基于地球系统模式的局地化粒子滤波器与集合卡尔曼滤波器同化实验

粒子滤波器(PF)是一种非常具有应用前景的非线性资料同化方法。但由于其算法本身存在的粒子退化问题,目前尚未被广泛地应用于大型地球物理模式。目前主流的集合同化系统仍然倾向于使用集合卡尔曼滤波器(EnKF)及其衍生方法。一种新近被提出的局地化粒子滤波器(LPF)在经典的粒子滤波器算法中引入局地化技术,可以使用较小的计算成本有效地避免退化问题,具有非常大的业务应用潜力。本文在全耦合的通用地球系统模式中开展了LPF和EnKF的同化实验,同化资料为模拟的卫星海表温度资料。着重考察了不同局地化参数对两种方法的不同影响,对比了局地化粒子滤波器与集合卡尔曼滤波器的同化效果差异。比较的结果表明,LPF的同化效果对于局地化参数的选择非常敏感,在使用最优局地化参数的条件下,LPF能达到与EnKF相当甚至优于后者的同化效果,并具有较大的改进空间。     

Sequential Filtering for Surface Wind Speed Estimation from Ambient Noise Measurement

Many research results show that ocean ambient noise and wind speed are highly relevant, and the surface wind speed can be effectively inverted using ocean noise data. In most deep-sea cases, the ambient noise of medium frequency is mainly determined by the surface wind, and there is a conventional relationship between them. This paper gives an equation which shows this relationship firstly, and then a surface-wind inversion method is proposed. An efficient particle filter is used to estimate the speed distribution, and the results exhibit more focused close to the actual wind speed. The method is verified by the measured noise data, and analysis results showed that this approach can accurately give the trend of sea surface wind speed.     

Underwater Navigation Based on Real-Time Simultaneous Sound Speed Profile Correction

Precise sound speed profile (SSP) information is critical when using sonar for underwater terrain navigation. Nevertheless, acquiring SSP information in real-time is difficult, especially in underwater navigation environment. To account for this problem, this paper presents an underwater navigation method that applies real-time SSP correction to the terrain measurements. The method uses a probe to measure the surface sound speed simultaneously. Meanwhile, redundancy of topographic measurement data is exploited to derive the equivalent SSP information. The acquired equivalent SSP is updated continuously with particle filter algorithm. The terrain measurements can be corrected in real-time with the equivalent SSP to improve the performance of underwater terrain navigation. By removing the impact of inaccurate SSP from the terrain measurements, the proposed method can achieve precise and robust underwater navigation result without using an underway-profiling instrument. Simulated results confirm the good performance of the proposed method.