互补滤波和卡尔曼滤波的融合姿态解算方法

针对捷联惯性测量单元(IMU)噪声大、精度低的缺点和常规的姿态解算算法精度不高等问题,提出了一种互补滤波和卡尔曼滤波相结合的融合算法.该算法基于姿态角微分方程建立系统的状态方程模型,利用互补滤波后的姿态角作为系统的观测量,再应用扩展卡尔曼滤波(EKF)算法融合了陀螺仪、加速度计和电子罗盘的测量数据.为验证该算法有效性,用带有传感器的开发板依次进行静态和动态测试,实验结果表明:结合了互补滤波和卡尔曼滤波的融合算法,在静态时能够抑制姿态角漂移和滤出噪声,在动态时能够快速跟踪姿态的变化,提高了姿态角的解算精度.     

基于带无偏输入的加权融合算法

给出了带输入估计的卡尔曼滤波算法,比较了带输入估计的卡尔曼滤波算法和标准卡尔曼滤波算法的差别,在此基础上提出了一种最优加权的数据融合方法,分析了最优权值的分配原则,给出了最优加权下的多传感器融合算法.该算法首先计算出各个传感器当前的滤波精度,依据各传感器当前时刻的滤波精度分配权值,同时测量方差的时变特性使得每次测量信息得到充分的利用,通过仿真比较了该方法与平均分配权值方法效果的差别,实验结果表明了该算法的有效性.     

多传感器自适应容积卡尔曼滤波融合算法

当容积卡尔曼滤波的系统模型不准确或测量出现异常时容易出现滤波发散。为了解决这一问题,提出了一种自适应容积卡尔曼滤波算法,构造了一组噪声统计估计器对噪声的统计特征进行在线实时估计,并在测量异常时采用修正函数对滤波过程进行修正,有效提高了滤波估计的精度和对滤波发散的抑制能力;在集中式滤波结构和联邦式滤波结构的基础上,设计了一种基于自适应容积卡尔曼滤波算法的多传感器系统混合式组合滤波结构,并给出了融合各传感器的局部滤波信息以得到全局滤波估计的计算方法。以对车辆的定位导航为应用背景进行了仿真实验,仿真结果证明了所提方法的有效性。     

基于自适应卡尔曼滤波的多传感器信号降噪

针对建筑物混凝土腐蚀检测中传感器单一且常规卡尔曼滤波算法容易出现滤波精度降低的问题,提出了一种多传感器综合检测方法.采用改进的自适应卡尔曼滤波算法,利用最大概似估计准则,将新息方差直接引入卡尔曼滤波器的增益计算,实现估计模型的动态调整,降低了系统噪声和测量噪声的干扰.最后,对自适应卡尔曼滤波和常规卡尔曼滤波算法进行了仿...     

Kalman滤波在室内定位动态测量中的应用

为了解决室内定位动态测量系统应用中所估算的目标位置偏差大问题,提出一种基于卡尔曼滤波的室内定位法。利用双目视觉的标定原理估算出目标的位置坐标．再利用卡尔曼滤波算法对目标的估算位置进行滤波处理,以提高室内定位系统的性能和精度。实验结果表明,卡尔曼滤波算法具有良好的有效性。     

基于补偿卡尔曼滤波的姿态估计算法实现

九轴的姿态测量单元包括加速度计、磁力计和陀螺仪,它采用微机电加工工艺,价格低廉但精度较差.为了获得更好的滤波稳定性和估计精度,基于补偿卡尔曼滤波原理,讨论了姿态估计算法的实现.具体过程如下:基于补偿卡尔曼滤波原理,讨论九轴测量信息的融合方法;利用加速度计和磁力计估算姿态初始值;使用手动转台实现静态标定,纠正零偏;使用高精度陀螺仪STIM210实现动态标定,设置滤波系数.结果表明,估计算法具有良好性能.     

动态加权和测量方差时变的多传感器融合算法

在基于卡尔曼滤波及其一些改进算法中,由于测量方差预先设定,从而导致滤波发散和信息资源的浪费,为此提出了一种动态加权下测量方差时变的多传感器融合算法。该算法依据各传感器当前时刻的滤波精度合理地分配权值,同时测量方差的时变特性使得每次测量信息得到充分的利用。仿真结果表明该算法显著地提高了对机动目标的跟踪效果并具有实时性的优点。     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。     

基于卡尔曼滤波的动目标运动参数跟踪测量

为实现雷达的精确制导功能,需要精确的跟踪和测量动目标的各项运动参数,为了提高跟踪测量精度,根据目标运动特性采用与系统相匹配的滤波算法。本文探讨了卡尔曼滤波的原理和特点,设计了有效的滤波参数和滤波方程,并通过仿真验证了卡尔曼滤波对跟踪测量精度改善的有效性。     

基于多新息理论的 EKF 改进算法

针对标准的扩展卡尔曼滤波算法（EKF）在强非线性系统中估计精度较低的问题,提出了一种改进的扩展卡尔曼滤波算法（MI-EKF）,使得滤波精度得到很大的提高。MI-EKF 是在标准 EKF 基础上,结合多新息理论,不仅考虑了系统当前的测量值,而且也充分考虑了之前时刻的有用信息,从而使得 MI-EKF 的滤波精度和稳定性得到改善。最后,讨论了新息数量对改进算法精度的影响,仿真结果表明包含两个新息的 MI-EKF 算法滤波效果最佳。     

基于Kalman滤波算法的姿态传感器信号融合技术研究

针对应用三轴陀螺仪和三轴加速度传感器的四旋翼飞行器姿态角测量问题,提出了基于Kalman滤波算法的姿态传感器信号融合方法。该方法将陀螺仪输出的角速度误差作为时变误差处理,认为陀螺仪输出的角速度误差与其所测角速度及上一时刻的角速度输出误差相关,并据此建立陀螺仪测量线性方程,在此基础上,应用Kalman滤波算法,以加速度计输出的姿态角对陀螺仪测量的姿态角进行修正,从而达到姿态角准确测量的目的。实验结果表明：应用Kalman滤波算法对加速度传感器和陀螺仪信号融合后可有效消除姿态角测量累积误差并显著改善姿态角测量的动态特性。     

基于遗传算法的卡尔曼滤波器水下机器人信号处理方法

水下机器人的传感器信号受环境影响较大,数据滤波一直是机器人控制的核心问题之一。该文在卡尔曼滤波的基础上,引入遗传算法,对卡尔曼滤波方法进行改进,提出基于遗传算法优化的卡尔曼滤波器模型,从而提高水下机器人测量数据的精度,降低系统噪声和量测噪声所带来的误差。OUTLAND1000水下机器人罗经传感器的水池仿真试验结果表明所提改进滤波方法有效、实用。     

基于遗传算法的卡尔曼滤波器水下机器人信号处理方法

水下机器人的传感器信号受环境影响较大,数据滤波一直是机器人控制的核心问题之一。该文在卡尔曼滤波的基础上,引入遗传算法,对卡尔曼滤波方法进行改进,提出基于遗传算法优化的卡尔曼滤波器模型,从而提高水下机器人测量数据的精度．降低系统噪声和量测噪声所带来的误差。OUTLAND1000水下机器人罗经传感器的水池仿真试验结果表明所提改进滤波方法有效、实用。     

基于参数估计的传感器故障诊断的改进方法

针对基于参数估计的非线性系统传感器故障诊断方法中存在的滤波稳定性差、估计精度低的缺点,提出了卡尔曼滤波与小波滤波相结合的方法.在将传感器故障参数都等效为偏差型故障参数的基础上,通过增大强跟踪滤波器算法中的量测噪声方差和系统噪声方差,使其大于实际噪声方差,以提高滤波器的稳定性和故障检测的快速性,同时引入小波滤波以提高对故障参数的估计精度.仿真实验表明,该方法较好地兼顾了滤波稳定性、估计精度及速度.     

一种基于卡尔曼滤波的超宽带室内定位算法

为了减小室内环境中障碍物对超宽带(UWB)传感器测距结果的影响,提出了一种基于卡尔曼滤波(KF)的超宽带室内定位算法.利用超宽带接收信号的信噪比区分视距和非视距环境,给出了超宽带传感器测距性能最小二乘标定模型,减小测距系统误差;判断相邻测距差分是否在阈值范围内,否则用卡尔曼滤波先验估计替代后验估计处理测距结果,由此减弱多径效应和非视距误差对测距的影响;用扩展卡尔曼滤波器(EKF)实现室内定位.实验结果表明:算法在复杂室内环境中可达到亚米级的动态实时定位精度.     

基于MCC的鲁棒高阶CKF在组合导航中的应用

针对高阶容积卡尔曼滤波器在非高斯噪声情况下滤波精度下降的问题,提出了一种新的基于Maximum Correntropy Criterion（MCC）的鲁棒高阶容积卡尔曼滤波算法。考虑到高阶容积规则可以较好地解决非线性问题,在高阶容积滤波的基础上,结合统计线性回归模型对量测更新过程进行重构,利用MCC估计算法实现状态的量测更新,同时解决了系统的非线性和非高斯问题。将所提算法应用到SINS/GPS组合导航系统中,仿真结果表明,核宽的选取对算法的滤波性能有较大的影响,在高斯混合噪声条件下,所提算法相比传统高阶容积卡尔曼滤波算法具有更强的鲁棒性和更高的滤波精度。     

不完全量测下的水下纯方位系统目标跟踪算法

针对观测器探测概率小于1的不完全量测情况下的水下纯方位系统的目标跟踪问题,提出了不完全量测下的基于扩展卡尔曼滤波的目标跟踪算法。首先,建立不完全量测情况下的水下纯方位目标跟踪数学模型;其次,在数据出现不完全量测时,采用前一次的更新值对缺失数据进行弥补并完成滤波;最后,采用最优理论性能下界(CRLB)和均方根误差(RMSE)这两种评价准则对此算法进行评估。仿真实验结果表明:在不完全量测下的水下纯方位系统的目标跟踪问题中,所提出的基于扩展卡尔曼滤波的目标跟踪算法在保证预期跟踪精度的前提下,具有较高的实时性。     

空情处理系统中二维卡尔曼滤波算法及实现

空情处理系统中，要对雷达所跟踪的目标用计算机进行实时模拟再现。为了提高模拟再现的精度，系统需要使用卡尔曼滤波算法去除目标测量数据中的噪声数据。参考已有的卡尔曼滤波算法描述，给出了一组详细的方程组来描述空情处理系统中的平面直角坐标系下卡尔曼滤波算法模型，并且基于C 实现了此算法。     

基于次优区间卡尔曼滤波的机器鱼跟踪方法

目前,自主水下航行器(Autonomous Underwater Vehicle,AUV)研究的重点集中在跟踪定位、精确制导和返坞等领域。机器鱼已成为AUV在智能教育、民用与军事等方面的应用热点。从非线性跟踪分析中发现,区间卡尔曼滤波算法虽然包含了一切可能的滤波结果,但范围比较宽,也比较保守,而且区间数据向量在实现之前是不确定的。文中提出了一种次优区间卡尔曼滤波优化算法。次优区间卡尔曼滤波方案用区间矩阵的逆 代替 其最坏逆,比标准区间卡尔曼滤波更逼近状态方程和测量方程的非线性过程,提高了标称动态系统模型的精确度,改善了跟踪系统的速度与精度。蒙特卡洛仿真实验结果表明,次优区间卡尔曼滤波算法的最优轨迹优于区间卡尔曼滤波方法及标准的卡尔曼滤波方法。     

一种改进的分布递阶无线传感器网络信息融合算法

信息融合技术是一个多学科高度集成的热点研究领域,目前针对煤矿井下环境监测系统的安全隐患问题,提出了一种基于无线传感器网络的分布递阶卡尔曼滤波信息融合算法,其中下层源节点采用改进卡尔曼滤波算法,上层汇聚节点采用方差自适应的加权信息融合算法,该算法能有效降低无线传感器网络能耗和网络信息冲突,实现信号重构.仿真结果表明,该算法具有很高的可靠性和信息融合精度,有较好的工程实用价值.