首页 | 本学科首页   官方微博 | 高级检索  
检索     
共有20条相似文献,以下是第1-20项 搜索用时 721 毫秒

1.  小波卡尔曼模型在岸堤沉降监测数据处理中的应用  
   李亚  田林亚  陈尚登《勘察科学技术》,2015年第3期
   卡尔曼滤波技术是一种对动态系统进行实时数据处理的有效方法,广泛的用于变形监测的预测和估计,但卡尔曼滤波要求系统噪声和观测噪声为零均值的白噪声,如果这一条件不满足,将使滤波失真.为了更好的满足这一要求,我们引进小波变换,采用小波变换对变形信号进行滤波处理,再利用卡尔曼滤波进行预测,并结合某岸堤的数据进行计算与分析,结果表明小波卡尔曼滤波的预测精度要高于卡尔曼滤波的预测精度.    

2.  时变有色观测噪声下基于变分贝叶斯学习的自适应卡尔曼滤波  
   徐定杰  沈忱  沈锋《电子与信息学报》,2013年第7期
   针对卡尔曼滤波中观测噪声是有色的且随时间变化这一情形,该文提出基于变分贝叶斯学习的自适应卡尔曼滤波算法。该算法先利用差分法,将时变噪声模型当中的有色观测噪声进行白化处理,从而使模型转换成了过程噪声与观测噪声相关的白噪声模型。考虑噪声相关条件下的卡尔曼滤波,并使之与变分贝叶斯学习结合,将白噪声方差与系统状态变量一起作为参数进行联合的递推估计。仿真结果表明,该自适应算法对时变的噪声具有较好的跟踪效果,相对经典卡尔曼滤波有着较高的滤波精度,最终得到时变有色观测噪声下的状态估计。    

3.  半主动悬架的无迹卡尔曼状态观测器设计  
   李宗华  董明明  王玉帅《机械设计与制造》,2019年第8期
   卡尔曼滤波器是线性动态系统中应用最广泛的一种状态估计方法。在非线性系统中,扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)被广泛应用,相比扩展卡尔曼滤波器,无迹卡尔曼滤波器准确度更高、更易于实现。在车辆动力学这种强的非线性系统中,无迹卡尔曼滤波器应用广泛。设计了一种基于无迹卡尔曼滤波器的半主动悬架系统状态观测器,讨论了不准确的过程噪声协方差Q和测量噪声协方差R、及测量信号组合的选择和不准确的模型参数对状态观测精度的影响,仿真结果表明不准确的过程噪声和测量噪声协方差、不合适的测量信号选择和模型参数不准确的干扰在不同程度上降低了状态估计精度。    

4.  自适应EKF在被动跟踪中的应用研究  
   沈文亮  方玲炜《无线电工程》,2007年第37卷第5期
   针对被动跟踪中常见的滤波发散、收敛速度慢和跟踪精度低等问题,研究了一种非线性系统的自适应推广卡尔曼滤波算法。该算法能够在线估计噪声的统计特性,动态补偿模型线性化误差,消减系统的观测误差。对其滤波理论及算法进行了研究与仿真,结果证实该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。    

5.  自适应卡尔曼滤波在目标跟踪系统中的应用  
   沈晔青  龚华军  熊琰《计算机仿真》,2007年第24卷第11期
   目标跟踪是精确制导系统中的重要组成部分.文中针对运动目标跟踪问题,在建立运动模型的基础上,应用卡尔曼滤波算法进行了跟踪仿真研究.考虑到直角坐标系下的扩展卡尔曼滤波容易发散,可能导致滤波精度变差,所以文章提出一种针对非线性观测模型和线性动态模型的自适应推广卡尔曼滤波器.直角坐标系下的自适应卡尔曼滤波算法,对虚拟噪声进行了估计,动态补偿观测器模型的线性化误差,削减了系统的观测误差,并对其滤波理论及算法进行了仿真研究.结果表明:该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法.    

6.  自适应卡尔曼滤波在地铁监测中的应用  
   王井利  张春哲《沈阳建筑工程学院学报(自然科学版)》,2014年第2期
   目的通过滤波后的数据对比,验证自适应卡尔曼滤波在处理地铁变形监测数据工作中优于经典卡尔曼滤波.方法分别应用经典卡尔曼滤波和自适应卡尔曼滤波建立动态处理数据模型,对地铁变形监测数据进行处理,并与人工实测值进行对比.结果使用经典卡尔曼滤波处理后,数据精度提高38%,使用自适应卡尔曼滤波处理后,数据精度提高55%.结论自适应卡尔曼滤波与经典卡尔曼滤波相比,自适应卡尔曼滤波剔除噪声效果强与经典卡尔曼滤波,并且自适应卡尔曼滤波后数据整体变化平稳,与实测值吻合性较好,自适应卡尔曼滤波在处理沈阳地铁一号线监测数据中,优于经典卡尔曼滤波.    

7.  基于伪线性卡尔曼滤波的两站红外无源定位及跟踪技术  被引次数:3
   辛云宏 杨万海《西安电子科技大学学报(自然科学版)》,2004年第31卷第4期
   建立了目标的两站红外搜索与跟踪系统的伪线性观测模型,基于该模型提出了运动目标的伪线性卡尔曼滤波算法.该算法利用伪线性方程组获得滤波器的初值,从而提高了滤波器的跟踪精度和速度.分别采用伪线性卡尔曼滤波器与推广卡尔曼滤波器对目标进行定位及跟踪的仿真结果表明:在跟踪初始阶段,伪线性卡尔曼滤波的跟踪精度明显优于推广卡尔曼滤波.在近距离范围,不论目标是匀速还是机动运动,两者的跟踪精度都非常高.在远距离范围,当目标机动时,伪线性卡尔曼滤波的跟踪精度明显优于推广卡尔曼滤波;当目标匀速运动时,推广卡尔曼滤波的跟踪精度略优于伪线性卡尔曼滤波.从整个仿真过程可以看出,目标的运动形式对推广卡尔曼滤波性能的影响是非常明显的,而对伪线性卡尔曼滤波性能的影响则很小.    

8.  基于粒子滤波的红外焦平面阵列非均匀校正算法  
   刘永进  朱红  赵亦工《红外与激光工程》,2008年第37卷第6期
   空间固定图案噪声严重影响红外探测系统的成像质量,并且还会随着外界环境的变化而缓慢漂移.卡尔曼滤波算法可以解决这个问题,但会受到线性高斯模型的限制.提出了一种利用粒子滤波跟踪噪声漂移,进而实现非均匀校正的算法.首先使用粒子采样噪声参数可能的取值状态,然后通过状态空间模型对这些粒子进行预测和更新,最后把粒子状态的加权平均值作为对噪声参数的估计.该算法是对卡尔曼滤波算法的扩展,不受任何模型条件的限制,因此,能够实现对不同情况噪声漂移的有效跟踪.实验结果表明:经此算法校正后的图像的峰值信噪比平均都在37 dB以上,而经卡尔曼滤波算法校正后的图像却只有28 dB.    

9.  拟自适应推广卡尔曼滤波算法  
   史百舟  邬齐斌《青岛科技大学学报(自然科学版)》,1992年第4期
   生化生产过程经常遇到具有隐含观测方程,噪声特性不能确定的问题,本文通过对状态方程和观测方程进行适当处理,把离散化误差、线性化误差、模型噪声和模型本身不准确所造成的误差都归结为虚拟噪声,利用虚拟噪声补偿技术并结合推广卡尔曼滤波算法,提出了拟自适应推广卡尔曼滤波算法,仿真表明该算法对于解决这类问题是比较有效的.    

10.  基于H_∞鲁棒SUKF算法的永磁同步电机转速观测器设计  
   赵彬  郭孔辉  许男  杨一洋《吉林大学学报(工学版)》,2016年第4期
   为了解决永磁同步电机定子电阻变化对速度观测的影响,利用α-β坐标系下永磁同步电机非线性系统模型,引入H_∞鲁棒滤波算法增强观测器鲁棒性。为了解决sigma点计算量大的问题,采用超球体单形采样方法,提出一种新的非线性滤波器。最后设计了H_∞鲁棒球形无迹卡尔曼滤波观测器对永磁同步电机转速进行状态观测。当永磁同步电机定子电阻变化时,对比分析了H_∞鲁棒球形无迹卡尔曼滤波器与无迹卡尔曼滤波器、球形无迹卡尔曼滤波器在相同系统噪声和量测噪声时电机转速误差方差。H_∞鲁棒球形卡尔曼滤波器的转速误差方差接近7rad/min,明显小于后两者观测器观测值(40、20rad/min)。    

11.  基于新息的神经网络自适应卡尔曼滤波  
   李忠良  陈卫兵  邹豪杰  罗天资  张洪波  曾光华《湖南工业大学学报》,2011年第25卷第1期
   卡尔曼滤波是一种基于最小方差的递推式滤波算法,系统模型和噪声统计特性的先验知识决定了滤波的性能和估计的准确性,不精确的先验知识将导致滤波性能的明显下降甚至发散。采用BP神经网络对系统进行辨识,获得精确的系统状态方程,利用新息自适应估计卡尔曼滤波算法中的过程噪声和测量噪声协方差矩阵,提出基于新息的神经网络自适应卡尔曼滤波算法。Matlab仿真结果表明,与传统卡尔曼滤波算法相比,改进的卡尔曼滤波算法获得了与原始信号几乎一致的输出信号,噪声得到明显抑制。同时,改进的算法不需要系统精确的数学模型,在实际应用中具有可行性和普适性。    

12.  一种改进型自适应中值滤波图像处理算法  
   李强  陈俊鹏  明艳《数字通信》,2010年第37卷第5期
   0引言图像信号在产生、传输和记录过程中,常常会引入各种噪声,影响图像的视觉效果。为了减小噪声的影响,必须对图像进行滤波。图像滤波时,除了去除图像中的噪声外,还必须尽量保持图像的真实细节信息。因为噪声和图像细节信息往往是混叠在一起,所以图像的去噪与细节的保留往往是矛盾的。如何设计出性能良好的滤波器,    

13.  改进的自适应衰减卡尔曼滤波算法  
   高伟  叶攀  许伟通《计算机测量与控制》,2016年第24卷第8期
   SINS/GPS组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型和随机噪声信息必须准确已知。实际情况下,大部分系统的模型和随机噪声信息不完全可知,这可能会导致滤波器估计精度下降。针对这一问题,根据求解遗传因子的方法不同对传统的自适应衰减卡尔曼滤波进行改进,提出一种改进的自适应衰减卡尔曼滤波。改进后的算法分别适用于系统噪声统计模型不准确可知和量测噪声统计模型不准确可知两种情况,分别对应于两种滤波算法,并且二者具有统一的滤波框架。仿真结果表明,改进的自适应衰减卡尔曼滤波比卡尔曼滤波精度较高,有效解决了因为噪声模型不准确导致的精度下降问题。    

14.  一种自适应变分贝叶斯容积卡尔曼滤波方法  
   沈锋  徐广辉  桑靖《电机与控制学报》,2015年第4期
   针对应用于非线性系统模型的容积卡尔曼滤波工作性能会受观测噪声参数变化的影响而降低的问题,提出一种自适应的变分贝叶斯容积卡尔曼滤波算法。在每一次更新步骤中,将系统状态与变化的观测噪声统计信息一起作为随机变量,并用变分贝叶斯方法进行估计,在迭代逼近得到噪声方差后,再利用容积卡尔曼滤波对系统状态进行更新。仿真实验证明变分贝叶斯容积卡尔曼滤波算法在非线性系统的滤波问题中能够较好跟踪变化的观测噪声方差,相比容积卡尔曼滤波拥有较好的估计性能。    

15.  卡尔曼滤波与粒子滤波之间跟踪模式的优化  
   张萌  陈恳  李娜  惠明《计算机工程与应用》,2012年第48卷第36期
   鉴于卡尔曼滤波(Kalman Filter,KF)和粒子滤波(Particle Filter,PF)都是贝叶斯估计的一种,粒子滤波比卡尔曼滤波应用广泛,而卡尔曼滤波比粒子滤波使用简便,提出了一种算法在卡尔曼滤波和粒子滤波之间切换的跟踪模式。定义出算法性能评价参数,使参数可以在线反映算法的好坏;通过仿真使噪声不满足卡尔曼使用条件,确定切换是否可行,结合实际情况定义切换条件;应用至实际视频中。结果证明,卡尔曼滤波与粒子滤波间跟踪模式的优化是可行的。    

16.  有色噪声条件下的卡尔曼滤波  
       吴小役  刘文逸    《西安邮电学院学报》,2014年第2期
   针对在实际工程中处理有色噪声存在滤波发散或结果失真的问题,提出一种有色噪声条件下的卡尔曼滤波方法。该方法利用线性变化,根据有色噪声相邻历元间噪声相关的特点,在动态噪声和观测噪声均为有色噪声的条件下,研究了卡尔曼滤波的方法,推导出有色噪声条件下卡尔曼滤波的递推公式。仿真结果表明,改进的方法比传统卡尔曼滤波对有色噪声信号处理效果更佳。    

17.  卡尔曼滤波在某型坦克火炮控制检测系统中的应用  
   朱斌  张磊  常天庆  郭志安《火炮发射与控制学报》,2006年第Z1期
   火炮控制检测系统各检测信号大多含有随机干扰,利用卡尔曼滤波可对检测信号进行实时递推滤波.以某型坦克火炮控制检测系统为实例,将噪声简化处理为白噪声,通过建立参数的运行模型和观测模型,完成了卡尔曼滤波在火炮控制检测系统中的应用.    

18.  基于小波变换和均值滤波的图像去噪方法  被引次数:4
   龚昌来《光电工程》,2007年第34卷第1期
   将小波变换和均值滤波相结合提出了一种有效的图像去噪方法,先将含噪图像进行小波分解,获得不同频带的子图像.将低频近似图像保持不变,对水平、垂直和对角三个方向高频细节图像根据其特性采用三种不同形状的模板进行均值滤波,最后将低频近似图像与三个均值滤波后高频细节图像合成得到去噪后的图像.实验结果表明,该方法在降低了图像噪声的同时又尽可能地保留图像的细节,其去噪效果优于单一小波阈值法和均值滤波法.    

19.  点目标视频跟踪中的噪声自适应卡尔曼滤波器  
   李力行  黄永梅  王强  贺东《电子测量技术》,2017年第6期
   针对卡尔曼滤波器在实用过程中所遇到的运动模型选择以及噪声给定问题,基于视频点目标的特征,提出了一种点目标视频跟踪中的噪声自适应卡尔曼滤波算法.该算法结合双步动态模型,在滤波过程中根据速度的相关系数调整运动模型参数,使运动模型更加切合实际.此外,该算法结合运动模型以及观测数据对一段时间的过程噪声进行估计,同时基于成像特性,利用单帧图像中灰度值的分布,对单次观测的观测噪声进行实时估计,实现过程噪声和观测噪声的自适应.根据在外场进行的仿真实验和实际跟踪实验结果,文中所提出的方法能够有效地保证跟踪精度.    

20.  卡尔曼滤波焊缝跟踪控制  
   高向东  陈永平  袁弱男  李桂华  陈章兰《控制理论与应用》,2007年第24卷第6期
   在视觉传感的电弧自动焊接过程中,需要根据视觉信息来控制电弧准确地跟踪焊缝.由于强烈的弧光干扰,使得从焊接区图像中直接提取电弧与焊缝的偏差信息十分困难.为此提出一种利用熔池图像质心和卡尔曼滤波来间接获取电弧与焊缝偏差的方法.选择熔池图像质心作为状态向量,建立基于图像质心的状态方程和焊缝位置测量方程.利用卡尔曼滤波消除过程噪声和测量噪声的影响,通过对熔池图像质心的状态估计,准确获取焊缝位置以及电弧与焊缝之间的偏差量,为自动焊接过程的焊缝跟踪控制提供准确信息.焊接试验结果表明,利用卡尔曼滤波方法可有效降低过程噪声和测量噪声的影响,从而提高焊缝跟踪控制精度.    

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号