共查询到20条相似文献，搜索用时 62 毫秒
1.
为了探寻非线性、非高斯系统滤波的最优算法,运用Python搭建Monte Carlo仿真实验模型,观察了扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)、重要性重采样算法(SIR)和辅助粒子滤波(APF)的状态估计曲线,对比了仿真结果的RMSE平均值,对各种滤波算法进行性能评估.实验结果表明,EKF对于强非线性系统会出现滤波发散现象,APF比UKF和SIR有更好的跟踪准确性. 相似文献
2.
许迅雷 《西安文理学院学报》2011,(2):57-60
在高斯噪声环境下,由于扩展卡尔曼滤波（EKF）在目标跟踪应用中精度低和可能出现的滤波发散,将无迹卡尔曼滤波（UKF）应用于非线性系统的目标跟踪.通过UKF在目标跟踪中的应用和仿真结果的分析比较表明,与EKF相比较,UKF收敛快、对噪声适应能力强,算法实现简单. 相似文献
3.
非线性系统卡尔曼滤波新方法 总被引：1，自引：0，他引：1
为了在非线性、非高斯系统估计中获得更好的精度,提出一种新的unscented卡尔曼滤波(UKF).采用确定性采样方法,通过选择unscented变换中的参数α＝0.85,β＝2和l＝0,确定出2n 1个σ点,使这些σ点完全符合非线性系统Yi＝F(Xi)的高斯随机变量的均值和方差.仿真结果表明:σ点通过实际的非线性系统Yi＝F(Xi)传递后,其后验均值和协方差可以达到泰勒展开式的三阶精度,广义卡尔曼滤波(EKF)只能达到一阶精度.该UKF滤波与EKF算法复杂度相近,但具有比EKF更好的估计精度. 相似文献
4.
广义卡尔曼滤波(EKF)在进行数据处理时,仅对测距系统和量测方程作泰勒级数展开且仅保留线性项,因而EKF只适用于弱非线性对象的估计,被处理对象的非线性越强,引起的估计误差就越大,甚至会引起滤波发散。将无迹卡尔曼滤波(UKF)应用于非线性系统的目标处理。通过UKF在雷达测距中的应用和仿真结果分析表明,与EKF相比,UKF收敛快、对噪声适应能力更强且算法实现更简单。自适应无迹卡尔曼滤波（AUKF）可以对系统模型进行实时估计,通过分析知道无迹卡尔曼滤波算法满足实时性跟踪要求,实现了对运动目标的快速跟踪。 相似文献
5.
针对初始对准的精度直接影响系统工作性能问题,在初始对准中引入扩展卡尔曼滤波算法（EKF）和Unscented卡尔曼滤波算法（UKF）。EKF算法将非线性系统线性化,是在非线性系统中常用的一种滤波方法 UKF算法没有把非线性系统近似为线性系统,而是使用确定性样本的方法处理非线性问题,使采样点的均值和方差完全符合实际的非线性系统的均值和方差。仿真结果显示,使用Unscented卡尔曼滤波时惯性导航系统初始对准的精度和稳定性都好于普遍使用的扩展卡尔曼滤波算法。 相似文献
6.
无迹卡尔曼滤波在新型地形无源组合导航系统中的应用 总被引：2，自引：0，他引：2
为了提高自主水下航行器的导航精度,提出了一种新型地形无源组合导航系统.根据水下环境特点和航行器导航高精度和低成本的要求,采用捷联式惯性导航系统、地形辅助导航系统、多普勒速度声纳、电子磁罗经和利用UKF进行信息融合的导航计算机组成新型水下地形无源组合导航系统,并给出了EKF线性滤波方程、UKF非线性滤波方程和导航传感器量测方程.对比仿真实验表明,采用建议的传感器和UKF信息融合方式比采用EKF方式提高了水下航行器导航定位的精度.采用不同的导航传感器和UKF信息融合方法的地形无源组合导航系统可以有效地减小水下航行器导航位置误差,提高组合导航的稳定性和精度. 相似文献
7.
为了进一步提高移动台的跟踪和定位性能,提出了一种基于联邦滤波结构和简化UKF的移动位置最优估计与融合新方法.该算法以Singer移动台运动模型作为参考系统,以简化UKF滤波器作为子滤波器,对2组独立检测的TDOA和Doppler测量值进行局部估计;然后在主滤波器中,对子滤波器的估计结果按标量加权进行最优融合,得到全局最优或次最优融合估计结果;最后主滤波器利用全局估计结果对子滤波器和参考系统进行反馈和信息重置,以进行下一步估计.仿真试验中,对该算法用于移动台位置估计的效果和性能进行评估,并与基于TDOA和基于Doppler的简化UKF方法做比较.仿真结果表明,该算法能有效降低移动台位置估计的误差和方差,具有良好的均方根误差和均值误差CDF性能. 相似文献
8.
为了提高非视距(NLOS)环境下无线定位的准确性和可靠性,提出了一种利用数字广播信号进行移动台定位的神经网络方法.该方法利用神经网络的学习特性和逼近任意非线性函数的能力,建立到达时间(TOA)和到达时间差(TDOA)测量数据与坐标之间的映射关系.将神经网络的连接权值作为非线性动态系统的状态量进行估计,用基于扩展卡尔曼(EKF)的实时神经网络训练算法来训练多层感知器网络.由于基于EKF的训练算法给出的是连接权值的近似最小方差估计,其收敛性要优于误差反向传播(BP)算法.仿真结果表明,该算法在NLOS环境下有较高的定位精度,性能优于BP基的神经网络算法和最小二乘算法;且该定位方法不依赖于特定的NLOS误差分布,也无需视距(LOS)和非视距识别. 相似文献
9.
鲁棒UKF滤波算法在SINS初始对准中的应用 总被引：2，自引：0，他引：2
针对系统存在不确定性扰动时传统UKF滤波算法的滤波精度和鲁棒性均下降的问题,提出了一种基于H∞范数的鲁棒UKF滤波算法.该算法在Krein空间内对简化UKF滤波算法进行改进,增加了一个鲁棒环节.鲁棒环节通过引入给定正常数调整滤波增益从而提高滤波算法的鲁棒性能.在SINS大方位失准角初始对准中对简化UKF滤波算法和鲁棒U... 相似文献
10.
在导航制导武器中,针对微机电捷联惯导系统（MEMS-SINS）非线性误差的状态估计精度差和模型扰动问题,通过分析无迹卡尔曼滤波（UKF）算法中初值的选取会直接影响观测值精度的问题,结合自适应估计原理,提出一种基于自适应因子的UKF算法,该算法能够自适应地调节系统模型的扰动和初值的偏差并根据新的协方差观测值更新方程。首先建立传递对准的大失准角误差模型,然后将该算法应用于该系统状态估计中,并与标准UKF进行比较,通过计算机仿真,传递对准速度提高3s左右,精度提高将近1倍。对两种算法结果进行对比分析表明,能够抑制传递对准系统初值选取的偏差影响,降低系统状态模型扰动的影响,提高传递对准的对准精度。 相似文献
11.
王询 《乐山师范学院学报》2014,(5):8-10
分数阶微积分在控制系统的应用日益广泛,随着分数阶动态模型的引入,需要求解分数阶估计问题的方法。文章从分数阶线性动态系统模型出发,以概率论为基础,导出分数阶的卡尔曼滤波器,得到其递推模型。 相似文献
12.
卡尔曼滤波方法原理清晰，易实现计算机自动化，自行编制的卡尔曼滤波法计算机程序，计算速度快、精度高，其结果与文献值非常接近，实现了多组分的同时测定。 相似文献
13.
用变形后的监测点和基准点上的GPS载波相位观测值组成双差观测值，提出一种滑坡监测的卡尔曼滤波模型。这种模型不仅利用包含在观测中的统计信息，而且利用边坡滑坡的有关力学状态和地质条件所提供的信息。 相似文献
14.
赵燕 《吕梁高等专科学校学报》2013,3(2)
文章基于噪声方差未知的卡尔曼滤波,提出新的固定点卡尔曼滤波平滑器,推导出方差未知时卡尔曼滤波平滑方程,并且给出平滑增益阵和平滑误差方差阵新算法,结论分析平滑运算可以改善滤波的性能,提高估计的精度. 相似文献
15.
将卡尔曼(Kalman)滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。 相似文献
16.
《湘南学院学报》2019,(2):22-25
针对现有网络安全态势预测模型往往只能对离线数据进行预测,无法根据历史信息来对当前数据进行在线实时预测的问题,提出了一种基于卡尔曼滤波的网络安全态势预测方法.首先,介绍了卡尔曼滤波的基本原理和相应的状态方程和预测方程,然后设计了基于卡尔曼滤波的网络安全态势在线预测算法,算法采用最小二乘方法来求解预测方程中的权值矩阵和噪声参数,从而获得了相应的预测表达式,可以实现对网络安全态势的实时预测.为了验证所提模型的预测效果,将其应用于离线数据集和在线实时数据中,并与其它方法进行了比较.仿真结果表明:所提模型能准确有效地对网络安全态势进行预测,具有预测精度高的优点,和其他方法相比,具有较大的优越性. 相似文献
17.
为了减少节点传输数据量和网络总能量的消耗,本文针对特定应用模型,提出了基于卡尔曼滤波的数据融合算法,并用MATLAB工具进行仿真实验,证明该融合方法提高数据精确度和可信度. 相似文献
18.
GPS动态定位的数据处理中广泛应用卡尔曼滤波,而卡尔曼滤波的应用要求动态模型（函数模型）和随机模型可靠和切合实际,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差.针对GPS动态定位的这一问题,本文探讨了在实际应用中存在模型误差时的卡尔曼滤波,介绍了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当Q已知时可以准确地估计出R.它的独特之处在于原理上易于理解,在实际中也很容易实现,它是通过判定发散的判据,求出噪声统计的估计值,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此消除了滤波发散现象. 相似文献
19.
交流感应电机是多变量、非线性、强耦合的高阶系统，所有这些控制方案的实现，几乎都需要转子磁链信息。基于此提出了一种基于扩展Kalman滤波器理论的磁链观测器的设计方法，并对所设计的观测器进行了计算机仿真，得到了良好的观测效果。 相似文献
20.
传感器定位技术作为无线传感器网络的重要课题之一,为实现目标实时定位,提出一种基于核岭回归与卡尔曼滤波的定位算法。该算法在离线阶段使用核岭回归算法（KRR）对无线位置指纹数据库进行训练,从而得到一个可反映信号强度指标（RSSI）与位置坐标之间映射关系的函数|在线阶段先利用离线阶段得到的函数对目标进行粗定位,再结合卡尔曼滤波（KF）方法对目标进行精确定位。实验结果表明,在真实室内办公环境下,相比 KNN 算法与核函数（Kernel）算法,该算法能实现更好的定位精度,平均定位误差为 1.898 3m。 相似文献