基于卡尔曼滤波的矿井移动节点定位算法研究

提出了一种基于无线传感器网络的矿井移动节点的定位算法.针对井下环境特征,巷道纵横交错,移动节点数量庞大以及无规律移动的特殊复杂情况,提出了一种卡尔曼滤波测距预估和弹性粒子模型相结合的定位算法.该算法采用卡尔曼滤波器对RSSI信号强度进行滤波和测距预估,建立弹性粒子网络模型对移动节点定位准确度进行校正,实现了矿井移动节点的实时精确定位.通过仿真实验表明,该算法误差小,精确度高,适合用于井下大规模的移动节点的定位.     

一种减小线性化误差的滤波跟踪算法

针对雷达目标跟踪数据滤波过程中,不同坐标系下测量数据处理引入量测误差的问题,提出通过估算非线性量测下扩展卡尔曼滤波算法的量测误差,再进行量测误差的有效修正,最后给出了1种减小线性化误差的滤波方程.通过对该滤波算法的仿真验证,该滤波算法增加了与距离有关的修正项,可实时对观测误差协方差矩阵进行计算,抵消了线性化误差的影响,...     

井下人员超宽带精确定位算法

针对恶劣的井下环境易对超宽带信号造成干扰导致现有井下人员定位算法误差较大的问题,提出基于超宽带的SDS-TWR优化算法与鲁棒卡尔曼滤波结合的改进算法。该算法在一次定位周期内可测得定位标签到相邻基站的两个测距值,随后将其作为鲁棒卡尔曼滤波的两个观测值,旨在提高算法定位精度及稳定性、抑制巷道随机NLOS时延误差。仿真实验表明,在同等条件下,本文算法较S-TDOA法误差降低35%,较异步测时法误差降低31%,且误差波动较小,同时抑制了巷道NLOS时延误差,有效提高了井下人员定位精度。     

一种基于GPS定位数据的测距方法

提出1种基于GPS定位数据进行轨迹确定和测距的方法。针对GPS定位数据存在的误差,首先对接收到的GPS数据进行预处理,即飞点去除、数据滤波、数据判断,然后进行轨迹确定和测距计算。数据滤波采用分散卡尔曼滤波方法,提高处理速度,数据处理结果表明通过定位补偿和卡尔曼滤波,提高了定位数据的精度,样条插值和曲线积分则较好的对定位数据进行了轨迹输出和测距计算。通过几种数据处理方式的结合,对GPS定位数据进行了有效处理,具有较好的实用价值。     

自适应UKF在北斗伪距定位中的研究

针对北斗伪距定中噪声统计特性未知或者不准确带来的定位精度不高问题,为减小噪声统计特性的不准确在滤波过程中对状态估计带来的影响,采用了无迹卡尔曼滤波(UKF)和噪声统计值估计器相结合的滤波方法,该方法在UKF中引入改进的噪声估计Sage-Husa算法,对系统噪声和观测噪声进行实时估计,抵抗不准确噪声在定位解算时带来的误差;最后在进行状态更新时引入一个收敛因子对每一次滤波状态进行更新,保证算法的收敛性。实验结果表明,该方法与传统的无迹卡尔曼滤波相比,在提升算法收敛速度的同时,将伪距定位的精度提高了40%左右,可用于带有时变噪声和未知噪声的定位系统中。     

基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法

针对噪声环境下,基于标准容积卡尔曼滤波的LANDMARC室内定位算法因噪声特性估计不准,引起滤波性能下降而导致定位误差较大的问题,提出一种基于量子粒子群优化容积卡尔曼滤波的LANDMARC室内定位算法。该算法首先建立基于LANDMARC定位框架下的运动目标动态模型,然后引入量子粒子群优化技术对容积卡尔曼滤波中时间更新过程的状态预测值进行优化,以降低因畸变噪声引起的误差;最后将改进的容积卡尔曼滤波算法应用到运动目标状态估计中。实验结果表明,所提算法定位误差均值为0.175 m,与相同环境下传统的LANDMARC算法、基于容积卡尔曼滤波的LANDMARC算法以及基于粒子群优化容积卡尔曼滤波的LANDMARC算法相比,定位精度和稳定性均有明显提高,且运算时间比基于粒子群优化的算法少,应用在室内定位中能够得到较为真实的目标移动轨迹。     

UWB与IMU融合的室内动态定位算法

针对超宽带(UWB)定位易受多种噪声和非视距(NLOS)的影响产生定位误差的问题,提出了一种基于UWB与惯性测量单元(IMU)融合的室内动态定位算法。该算法首先采用扩展卡尔曼滤波算法对基于到达角度(AOA)定位方法的位置信息进行滤波,并与IMU数据进行时间同步,通过相邻时刻UWB位置信息变化速度与IMU所测量标签运动速度对比,实现对NLOS数据的识别及补偿,从而降低NLOS对定位精度的影响;然后基于改进粒子滤波算法对融合后的数据进行最优估计,以抑制噪声的干扰,最终实现对标签的准确定位。实验结果表明,所提算法采用基于AOA的定位方法可以在保证定位精度的前提下节约硬件成本;与单一使用UWB传感器的定位方案相比,所提算法可根据IMU提供的先验信息有效降低UWB的定位误差,在非视距环境下具备较高可靠性;与基于扩展卡尔曼滤波和无迹卡尔曼滤波的融合算法相比,定位精度分别提高了65.6%和56.0%;与标准粒子滤波算法相比,所提算法基于改进的粒子滤波算法运行时间缩短了42.3%。     

基于改进卡尔曼滤波的NLOS误差消除算法

随着无线传感器的网络的日益发展,TOF测距的应用也越来越广。针对基于TOF测距的测量值中包含的由信号的非视距传播引起的误差,提出了自适应测量噪声和有色噪声卡尔曼滤波相结合的消除NL0S误差的算法。该算法首先对测量噪声建立有色噪声模型,滤波参数根据NL0S环境的恶劣情况动态调整,再结合卡尔曼滤波算法,进而实时调整滤波过程以获得最优估计。通过仿真实验表明,该算法误差小,精确度高,适合用于动态实时定位系统。     

基于WLS-KF的UWB室内定位滤波算法研究

针对室内超宽带(UWB)定位过程中受到非视距误差(NLOS)干扰而导致定位精度下降的问题,提出了基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法对测距信息解算得到定位坐标。在通视环境下进行测距,利用测得的数据计算新息向量和协方差,并基于此构建阈值信息,对NLOS环境产生的量测异常值进行判别,在此基础上利用Sage-Husa滤波对系统噪声协方差进行估计。采用加权最小二乘法对测距信息进行处理,得到标签解算坐标的最优估计。通过MATLAB仿真验证算法的可行性和有效性并在室内环境下进行测距、定位试验验证。仿真和实验结果表明,基于抗差估计原理的自适应卡尔曼滤波方法,结合加权最小二乘法能有效识别NLOS误差,且对定位过程中发生的状态突变能有效进行跟踪,解算得到的标签坐标x方向误差1 cm左右,y方向误差2 cm左右,提高了UWB室内定位的精度。     

基于扩展集员滤波的发电机动态状态估计

为了提高电力系统机电暂态过程中发电机动态状态估计的精确性,提出了一种考虑转子角功角不等关系的发电机动态模型。在此基础上,进一步提出采用适合非线性滤波问题的扩展集员滤波（Extended Set Membership filter,ESMF）算法对动态模型进行求解。以IEEE 9节点系统为例,对基于ESMF和扩展卡尔曼滤波（Extended Kalman filter,EKF）的状态估计方法进行仿真比较,仿真结果表明,ESMF方法能有效地实时估计电力系统机电暂态过程中发电机功角轨迹,且精度更高。     

应用SPRT算法的管道小泄漏检测

针对小泄漏信号的检测,提出了序贯概率比检验的统计决策方法.根据长输管道泄漏检测的实时性要求,提出了用卡尔曼滤波作用生成的归一化新信息序列作为序贯概率比检验的输入序列,以满足序贯概率比检验的要求.分析了序贯概率比检验用于管道小泄漏检测时的泄漏判断和定位的方法.利用虚拟仪器理论,设计了卡尔曼滤波和序贯概率比检验算法的LabVIEW程序模块,设计的模块可以直接嵌入到现有的管道泄漏实时监测系统中.实验证明,针对泄漏量低于3%的小泄漏检测很有效,并且定位精度控制在了2.5%以内.     

一种基于特征融合的点特征目标跟踪算法

联合目标的颜色和纹理特征,构造了由目标的颜色和纹理特征联合表示的特征点目标表示模型,利用Mahalanobis距离构造特征点匹配函数,利用自适应kalman滤波(AKF)算法预测特征点在下一帧图像中的位置,通过特征点匹配准确定位目标,达到实时、准确跟踪的目的。实验表明,该方法对于光线变化,目标形状相似以及目标被部分遮挡时的跟踪是有效和稳健的。     

一种基于CKF的改进LANDMARC室内定位算法

针对传统LANDMARC室内定位算法受室内环境的干扰存在定位精度不高,波动大的问题,提出一种基于CKF的改进LANDMARC室内定位算法。该算法首先通过传统LANDMARC算法得到待定位目标的状态预估值;然后将得到的状态预估值作为观测量并用容积卡尔曼滤波(CKF)算法对其进行滤波处理,以提高算法的定位精度并降低定位结果的波动;最后用滤波处理后的结果代替LANDMARC得到的预估值作为待定位目标的状态估计。实验研究表明,所提算法误差在0.5 m以下的标签达到60%,与传统LANDMARC定位算法和经由无迹卡尔曼滤波(UKF)算法滤波的LANDMARC定位算法相比,定位精度和波动性均有明显提高,应用在室内定位中能够得到较为真实的目标移动轨迹。     

基于紧耦合GNSS/INS的高速列车精准定位方法研究

为了改善高速列车在行驶过程中定位不精准的现状,本研究采用全球卫星导航系统和惯性导航系统,构建了GNSS/INS紧耦合精准定位系统。提出等价权原理将UKF算法中的噪声协方差进行等价替换,使其能够在信息融合过程中对滤波增益进行调节,降低观测粗差带来的影响,提高UKF算法的鲁棒性。本研究在改进UKF算法的基础上,用地图匹配算法对滤波器处理后的定位数据进行再处理,进行仿真对比。结果表明：改进UKF算法和标准UKF算法仿真得到的位置速度误差曲线,其AVE和RMSE值均降低20%以上;又经过地图匹配算法处理后的定位精度更高,表明本研究能够提高高速列车的定位精准性、稳定性。     

基于视频控制的智能交通灯

介绍了1种基于视频监控的智能交通灯,该交通灯由视频采集、图像处理和控制模块组成.由FPGA控制图像传感器采集视频图像,并由DSP对视频图像在线实时分析,利用卡尔曼滤波原理进行背景图像的更新,对差分图像应用OISU算法得到前景数据,最后利用模糊算法预测下一时刻的车流量并对交通灯进行控制.系统以自动视频监控技术为核心,以实...     

无轨迹卡尔曼滤波器在感应电机转速估计中的应用研究

无轨迹卡尔曼滤波器(UKF)作为扩展卡尔曼滤波器(EKF)的进化算法在许多非线性估计问题上取得了成功的应用.探讨了在感应电机转速估计领域引入UKF是否能获得明显优于EKF的估计性能这一问题.通过仿真及实验对比,分析了采样周期以及滤波器参数对UKF及EKF估计性能的影响,从各个方面评估、比较了UKF与EKF的转速估计性能.仿真及实验结果表明UKF并不能以预想的突出优势在感应电机转速估计问题上取代EKF,EKF仍旧是这一特定问题的最有效和最可行的算法.     

关于 PDR 算法步长估计模型的改进研究

为了更加精确地判别基于微惯性测量单元( IMU)的行人定位信息,本文深入研究了传统行人航迹推算(PDR)算法模 型,发现传统算法所采用的判别条件单一且精准度不高。 针对传统算法中步长估计模型不准确的问题,本研究首先提出一种基 于扩展卡尔曼滤波的误差补偿优化算法,以实现 IMU 内集成的加速度计、陀螺仪等传感器的误差补偿。 将优化后的原始数据 放入 BP 神经网络算法对单参数步长估算经验模型进行训练。 实验结果表明,基于 BP 神经网络融合基础模型的步长算法相比 单纯的基础步长模型,闭环精度提高了 0. 3%以上,开环误差减小了 8. 5 倍,基于 BP 神经网络的改进 PDR 算法可以有效抑制惯 性算法的误差发散。     

无人机航测高精度 RTK 接收机信号捕获与跟踪仿真方法研究

近年来以载波相位差分技术为核心的实时动态(real-time kinematic, RTK)高精度卫星定位技术在测绘领域迅速发展, 基于 RTK 定位原理,以轻小型化、高精度、稳定快速卫星定位接收机为目标,研究无人机 RTK 接收机的多系统多频段全球导航 卫星系统(global navigation satellite system,GNSS)信号处理技术,包括 GNSS 多频射频前端处理、基带信号处理关键技术。 通过 专业仿真手段可以得出设计的射频前端接收灵敏度高于-130 dBm,对 6 758 个采样点搜索捕获的执行时间仅为 0. 68 s,捕获频 移误差约为多普勒频移的 0. 932%,载波跟踪稳定后频率误差基本集中在 0. 75 kHz 以下。 仿真结果表明,设计的 GNSS 信号处 理模块符合实际的多频 RTK 定位接收机要求。