自适应扩展卡尔曼滤波器在移动机器人定位中的应用

针对移动机器人定位过程中存在的误差积累问题,提出了采用自适应扩展卡尔曼滤波算法(AEKF).分析了扩展卡尔曼滤波(EKF)和AEKF两种算法, AEKF取采样时刻的各项泰勒级数,并利用Sage-Husa时变噪声估计器实时估计观测噪声,克服了线性化误差,增强了环境适应性;同时,对AEKF的收敛性及运算复杂度进行分析,并结合算法实验表明AEKF具有良好的速度精度综合性价比;最后对比分析两种算法实现机器人定位的效果并实验完成误差对比.结果表明AEKF具有更优的定位性能.     

基于卡尔曼滤波修正RTK的智能手机GNSS定位方法

RTK应用于智能手机GNSS定位存在性能不佳的问题，为此提出了一种基于卡尔曼滤波修正RTK的定位方法。该方法利用相位观测值不确定度和卫星高度角筛选载波相位，提升观测数据质量；针对RTK定位受载波相位整周模糊度解算偏差影响的问题，引入多普勒观测值，基于卡尔曼滤波修正定位坐标，提升定位精度。静态定位和动态定位测试结果均表明，该方法能够有效提升基于RTK的智能手机GNSS定位精度与收敛速度。     

基于低成本接收机的双天线测姿算法

针对低成本接收机双天线测姿系统利用直接法解算精度较低且存在系统粗差的问题，提出一种基于载波和伪距双差实时动态定位（RTK）卡尔曼滤波算法。首先，引入基线长度作为观测量，并将事先测量得到的精确基线长度作为观测量误差；然后，根据从天线接收机的历元时间间隔对主天线位置进行实时矫正，而周整模糊度采用改进LABMDA算法求解。在静态和动态情况下进行了测试，结果表明，在基线长度为1.1 m、采用GPS和北斗双系统进行观测的情况下，所提算法解算出的航向角精度在1°左右，俯仰角精度在2°~3°。相比传统的双天线直接法测姿，该算法在系统抗差性能和精度上都较优。     

面向3维空间的移动机器人快速自适应SLAM算法

针对3维空间中移动机器人同时定位与地图构建(SLAM)问题,提出了一种基于改进强跟踪滤波(STF)的快速自适应SLAM算法.该算法首先对于强跟踪滤波器的噪声协方差阵进行在线自适应估计,用于抑制噪声对系统状态估计的影响,使系统状态估计迅速收敛到真实值附近;随后将状态协方差矩阵进行奇异值分解(SVD),提高算法的数值稳定性.该算法可提高对系统时变的自适应能力以及系统状态估计精度.与基于强跟踪滤波器的SLAM算法的仿真对比结果说明了该算法的有效性及其在抑噪性能和估计精度方面的优越性.     

带二次约束的容积卡尔曼目标跟踪算法

为了提高对带约束目标的跟踪精度,提出了一种带二次约束的容积卡尔曼目标跟踪算法。使用容积卡尔曼滤波得到当前时刻后验估计,通过将系统二次约束作为测量方程引入系统,对后验估计进行修正,最后采用仿真实验对算法性能进行测试。实验结果表明,相对于传统的约束卡尔曼滤波算法,在同等条件下,该算法提高了目标跟踪精度,并且稳定性更强。     

基于引力搜索的室内自适应RSSI定位算法

针对室内接收信号强度指示(received signal strength indication,RSSI)定位精度较低,无法实现动态跟踪参数变化的问题,将改进的引力搜索算法(GSA)应用于RSSI定位中.先利用极大似然估计得出定位模型的参数,再使用最小二乘法计算估计结果,最后利用引力搜索算法对估计结果和参数进行优化.该算法具有收敛速度快,精度高等优点.实验结果表明,该算法不仅能够提高定位的精度,而且能够实现动态跟踪RSSI定位数学模型中的参数变化,从而提高了其对环境变化的自适应能力.     

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UKF的车辆组合定位

针对车辆全球定位系统与航位推算结合的组合定位系统，建立了系统的模型。由于观测方程的非线性，采用UKF滤波方法，避免了EKF方法的线性化近似过程，提高了算法的收敛速度和车辆定位精度。仿真结果表明：UKF比EKF具有更高的估计精度。     

自适应不规则形状扩展目标跟踪算法

针对具有不规则形状的扩展目标跟踪问题,在目标先验形状未知和运动过程中目标形状发生突变的情况下,提出基于星凸形随机超曲面模型的自适应轮廓扩展目标跟踪算法.首先,研究星凸形扩展目标形状的径向函数傅里叶系数自适应设定问题,基于中心轮廓距离提出不规则形状的自适应方法.其次,针对扩展目标在运动过程中可能发生的形状突变问题,结合滑动窗口构造检测统计量对目标形变进行实时检测,并提出自适应轮廓快速逼近算法对形状突变的扩展目标进行实时跟踪.然后,提出一种拟Jaccard距离作为形状估计质量的评价指标.最后,仿真实验验证了本文所提算法的有效性.     

自适应GPS扩展卡尔曼定位算法研究

针对全球定位系统(GPS)信号定位过程中存在多径导致定位误差,尤其静态环境中零频差短多径引发的定位拖尾现象,提出了一种自适应估计多径残留的扩展卡尔曼滤波算法,实现了静态环境中零频差短多径抑制。首先量化地给出了基带多径抑制后的多径残留模型,即多径呈现"矩形"类型分布,以此为基础设计了一种自适应估计多径残留的方法,即在拟合窗口内估计伪距测量误差的均值和标准差,作为EKF算法的测量误差协方差矩阵,实现了EKF中多径的动态估计。最后通过仿真表明,本文的自适应估计多径残留的扩展卡尔曼滤波(ARKF)能有效抑制零频差短多径影响。     

Improvement of Kalman filters for WLAN based indoor tracking

Location Based Service (LBS) cannot be realized unless the location of the user is available. For indoor LBS, indoor positioning must be utilized and many researchers have been working on indoor positioning and tracking. For example, Extended Kalman filter (EKF) was exploited in Bluetooth based indoor positioning. Nowadays, WLAN (Wireless Local Area Network) is available virtually everywhere. Thus, WLAN based indoor positioning and tracking is more economical than Bluetooth based ones. This paper proposes a new WLAN based EKF indoor tracking method by extending existing Bluetooth based EKF positioning method. After analyzing the experimental results of it, we modified it to use K-NN method in the measurement stage of it. Then we propose to further improve the accuracy of indoor tracking by adjusting the parameter values referring to the map information. Experimental results comparing our method with other previous methods are discussed.     

移动闭塞系统列车组合定位导航技术研究

首先,分析了移动闭塞系统及其定位导航技术的研究现状,建立了基于网络实时动态测量(RTK)技术的GPS/INS/MM的定位导航组合方案;然后,提出了用伪距差分计算用户站概略位置和用载波相位差分计算整周模糊度单差值的快速差分算法.并讨论了有助于列车导航和控制的列车信息移动管理和基于GPRS的数据通信等;最后,对网络RTK快速差分算法进行了仿真分析,其结果验证了该算法对实现列车实时精确定位导航的可行性.     

一种载波相位动态相对定位精度验证方法

针对动态条件下用户较难验证其接收机载波相位相对定位精度的问题,提出了一种载波相位动态相对定位精度验证方法,即用两个移动站之间的解算基线长度与真实基线长度的差值来间接反映载波相位动态相对定位的精度.仿真结果表明该验证方法有效可行且有效性在94％以上,静态实验结果进一步表明了该方法的有效性,跑车实验验证了载波相位动态相对定位精度为厘米级.     

自适应渐消有偏扩展卡尔曼滤波在目标跟踪中的应用

针对机动目标跟踪过程观测矩阵病态导致扩展卡尔曼滤波算法跟踪效果不佳的问题,提出一种自适应渐消有偏扩展卡尔曼滤波算法。该算法以扩展卡尔曼滤波为基本框架,并借鉴Gauss-Markov模型的思想以解决观测矩阵病态问题。算法根据状态估计均方误差最小条件求得有偏因子,以降低病态观测矩阵对滤波估计的影响;根据滤波发散判据提出一种新的渐消因子估计方法,以实时调整预测协方差矩阵,从而改善滤波增益并有效提高目标跟踪精度。仿真结果表明,改进算法比传统扩展卡尔曼滤波对目标跟踪的精度有较大提高,同时稳定性更好。     

基于粗精二次估计的RFID标签数目估算方法

为了解决航空物联网信息采集领域RFID标签估算方法存在的估算精度和运算量之间的矛盾,以及标签读取过程随机性所导致的估算方法性能不稳定的问题,结合粗估计的快速、精估计的准确和二次估计算法性能的稳定性,提出一种基于粗精二次估计的RFID标签数目估算方法。首先,对帧时隙ALOHA算法标签读取过程进行建模,分析得出碰撞时隙中的平均标签数目和碰撞时隙所占比例之间的数学模型;然后,基于上述数学模型进行标签数目粗估计,评估粗估计值是否需要进行二次精估计。在二次精估计中,将粗估计值作为先验知识,采用基于先验知识的最大后验概率（MAP）估计算法提高估算准确度,相比原始后验概率估计算法的搜索范围可减少90%。仿真实验表明,基于粗精估计的RFID标签数目估算平均误差为3.8%,估算方法性能稳定性显著提高,运算量大幅下降,可有效地应用于航空物联网信息采集过程。     

LOS/NLOS混合环境中基于交互式多模型的鲁棒目标跟踪

针对视距（line-of-sight, LOS）和非视距(none-line-of-sight, NLOS)混合环境的定位跟踪问题, 提出一种基于扩展H∞滤波（EHF）和扩展卡尔曼滤波(EKF)的交互式多模型(IMM)定位跟踪算法。目标与基站之间的LOS、NLOS传输信道分别用EKF和EHF匹配, 模型间的转换用马尔可夫过程进行描述。Monte Carlo仿真结果表明, 该算法具有较高的定位精度、较好的跟踪稳定性, 且计算时间与基于EKF的IMM算法相当, 具有较好的可实现性。     

基于非线性滤波估计的北斗B1 QPSK 信号跟踪方法

复杂环境下的多普勒频移变化及信号功率衰减均会对载波准确跟踪造成影响. 在研究北斗卫星B1 频点信号结构的基础上, 建立以环路中相关积分值为观测量的非线性EKF 模型和UKF模型, 并提出利用滤波估计状态量进行状态反馈控制的方法, 从而解决了载波跟踪环路在高动态及弱信号环境中难以高性能工作的问题. 实验结果表明,状态反馈控制的EKF 模型和UKF滤波模型能准确地跟踪弱信号及高动态下的信号变化, 从而有效控制跟踪误差, 为实现快速准确的载波跟踪奠定了基础.

     

改进扩展卡尔曼滤波的四旋翼姿态估计算法

为了提高标准扩展卡尔曼姿态估计算法的精确度和快速性,将运动加速度抑制的动态步长梯度下降算法融入扩展卡尔曼中,提出一种改进扩展卡尔曼的四旋翼姿态估计算法。该算法在卡尔曼测量更新中采用梯度下降法进行非线性观测,消除标准扩展卡尔曼算法在线性化时带来的线性化误差,提高算法的准确性和快速性;对梯度下降法的梯度步长进行动态处理,使算法步长与四旋翼飞行器的运动合角速度成正比,增强微型四旋翼飞行器姿态解算的动态性能;对强机动运动过程中机体产生的运动加速度进行抑制处理,消除运动加速度对姿态解算的不利影响,提高了微型四旋翼飞行器姿态解算的跟踪精度。为了验证所设计算法的可行性和有效性,基于STM32单片机搭建四旋翼实验平台系统进行实时在线性能验证。结果表明,所设计算法能提高四旋翼飞行器在强机动、高速运动情况下的姿态跟踪精度、动态性能,增强姿态融合算法的抗干扰性,保证微型四旋翼飞行器的稳定飞行。     

基于时间反转的二阶段Wi-Fi室内定位方法

受Wi-Fi系统有限物理带宽限制,时间反转定位算法的定位精度难以得到提升。当定位范围较大时,在线定位阶段所需的匹配运算量更大,导致定位时间增长。针对上述问题,本文提出了一种基于时间反转的二阶段Wi-Fi室内定位方法。首先对接收信号强度和信道频率响应进行离线采集,利用接收信号强度和k近邻匹配算法进行位置粗估计,大致确定待测点所在范围。随后根据粗估计结果筛选原始指纹库,构建指纹库子集。在位置精估计阶段,计算待测点信道频率响应与指纹库子集中各参考点处信道频率响应的信号组合共振能量,通过最大值搜索寻找组合共振能量最大的参考点,将其坐标值作为位置估计结果。实验结果表明,所提算法相比于传统定位算法在精度和运行速度上有明显提升,在非直射环境下仍能保证较高的定位精度。     

有限空间液态场中基于优化EKF的双曲面水声定位方法研究

针对有限空间液态场中多途干扰导致声源定位方法性能下降问题,提出一种基于扩展卡尔曼滤波(EKF)的双曲面定位方法,将基于Chan方法的双曲面定位估计结果作为EKF状态方程的初始值,然后利用定位结果对本次测量进行修正,实现基于预测误差的优化EKF算法.通过仿真和实验对本文提出的方法与常用的Chan方法进行了比较,结果表明本...