基于互补滤波算法的移动机器人姿态检测

移动机器人的姿态检测能够反映出机体相对于路面的实时姿态,有利于机器人对行进过程中的当前姿态做出相应的控制.针对移动机器人姿态检测的要求,采用MEMS陀螺仪和加速度计对移动机器人在移动过程中相对于路面的姿态倾角进行测量并通过互补滤波算法对其测量的角度进行解算.互补滤波算法将加速度计静态特性和陀螺仪动态特性有效融合到一起,并对互补滤波算法进行了微分处理,提高了系统的动态特性,计算量小,从而实现对机器人行进过程的路面起伏状况进行实时测量.     

基于Kalman滤波的数据处理多尺度融合算法

针对我国航天测量事后数据处理的现状,提出了一种基于Kalman滤波的数据处理多尺度融合算法;该算法以建立的系统动态模型方程为基础,将多台雷达的测量数据分别在不同尺度上逐次分解,然后在同一尺度上对所有雷达数据进行系统融合处理,从而提高测量数据的处理精度;用该算法处理某次卫星发射任务的理论弹道,计算结果表明:该算法处理的效果明显优于单台雷达直接进行Kal-man滤波处理的效果,并且融合尺度越小,处理精度改善的效果越明显;该算法与α-β-γ滤波算法相比,数据处理精度有较大提高。     

基于信号融合的自平衡车姿态测量方法研究

针对自平衡车姿态角度测量问题,本文叙述了基于卡尔曼滤波和互补滤波的自平衡车MEMS IMU单轴融合算法的原理,分析了平衡车车身翻滚运动对融合算法计算结果的影响,最后分析了卡尔曼滤波法和互补滤波法的动态和静态收敛速度。为了验证各算法的效果,本文搭建了基于飞思卡尔K60单片机的信号采集平台进行实验。实验表明在采用低成本MEMS IMU的自平衡车俯仰角计算中,两种融合算法的效果接近,但是互补滤波法在静态时的收敛速度较快,同时考虑计算时效性,采用基于互补滤波的单轴融合算法较为合适。     

多传感器跟踪系统自适应Kalman滤波融合

多传感器目标跟踪的一个实际问题是如何获得目标的过程噪声信息,以获得较好的跟踪性能。针对多传感器分布式估计融合系统,利用这种自适应技术给出了一种自适应Kalman滤波的融合方法,它具有与中心式相近的跟踪性能。计算机模拟结果表明：这种方法具有较优良的性能。     

离散时间姿态互补滤波器及其参数整定研究

基于微机电系统（MEMS）的加速度计和陀螺仪广泛用于姿态测量。加速度计和陀螺仪间的数据融合通常采用互补滤波（CF）实现。CF具有计算复杂度低的优势,但CF一般仅通过试凑进行参数整定。为使CF的参数选取与传感器噪声特性相吻合,提出一种用于姿态估计的离散时间互补滤波器（DTCF）并推导了其参数整定方法。仿真表明所提出的DTCF及其参数整定方法是可行的。用于无人机姿态估计时,所提出的DTCF能达到与目前常用的Mahony型CF相同的姿态精度,但DTCF在单片机上所需的运行时间仅为Mahony型CF的50%左右,可提高姿态估计的实时性。     

基于MMA7361三轴加速度计传感器与LPA550陀螺仪的融合姿态检测

基于MMA7361三轴加速度传感器与LPA550陀螺仪测目标物的姿态角,利用两者精度在频域上的互补性,采用互补滤波的方法,实现数据融合,较好的解决了陀螺仪的漂移现象使测量姿态角精度不高的问题,并提高了系统的稳定性。     

基于MMA7361三轴加速度计传感器与LPA550陀螺仪的融合姿态检测

基于MMA7361三轴加速度传感器与LPA550陀螺仪测目标物的姿态角,利用两者精度在频域上的互补性,采用互补滤波的方法,实现数据融合,较好的解决了陀螺仪的漂移现象使测量姿态角精度不高的问题,并提高了系统的稳定性。     

基于Kalman滤波的数字水印算法

提出了一种基于Kalman滤波的数字水印算法,利用图像融合的思想和Kalman滤波对数字水印进行了研究.嵌入水印的过程可以视为宿主图像和水印图像的图像融合的过程.假设嵌水印图像作为目标状态,在图像融合过程中,采用Kal-man滤波对观测状态进行最优估计.根据宿主图像和水印图像进行建模,得到观测方程和状态方程,在估计误差...     

基于小波变换和Kalman滤波的多传感器数据融合

不同的传感器数据采集系统采集的数据具有不同的分辨率,因而需要解决多分辨率数据的融合技术和方法。Kalman滤波对非平稳信号具有较强的估计能力,能对信号所有的频率成分同时进行处理;小波变换的多分辨分析正好提供了有效的多分辨率信息处理方法。因此本文基于小波变换的分时分频多分辨率特点,把信号进行小波变换,然后分别在各尺度上进行Kalman滤波估计,最后通过Mallat快速重构算法,得到融合后的结果。     

基于Kalman滤波的自回归滑动平均信号信息融合Wiener滤波器

应用Kalman滤波方法,在按矩阵加权线性最小方差最优信息融合规则下,提出了带白色观测噪声的多通道ARMA信号的多传感器信息融合Wiener滤波器.它可统一处理信息融合滤波、平滑和预报问题.为了计算最优加权阵,提出了计算局部滤波误差互协方差阵的公式.同单传感器情形相比,可提高估计精度.一个带三传感器的目标跟踪系统的仿真例子说明了其有效性.     

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.     

几何扩展卡尔曼滤波算法在卫星姿态确定系统中的应用

卡尔曼滤波因其良好的性能广泛应用于卫星姿态确定中.经典的扩展卡尔曼滤波(EKF)算法在估计姿态坐标系中表示估计误差矢量,由于没有考虑到估计姿态坐标系与真实姿态坐标系之间存在偏差,从而导致姿态估计精度下降.针对这个问题,Andrle M S通过几何变换引入误差一致性表示,在此基础上,提出了几何扩展卡尔曼滤波(GEKF)算法,将姿态误差四元数和陀螺漂移增量通过几何变换进行一致性表示,解决了估计误差矢量表示不一致的问题.本文介绍了误差一致性表示的原理,并将GEKF算法应用于含常值漂移与时间相关漂移的陀螺模型中,仿真实验表明:GEKF算法比MEKF对陀螺漂移的估计更加精确,在滤波精度上取得了明显改善.     

姿态融合滤波的无人机抗干扰控制算法

提出一种基于姿态融合滤波的无人机(UAV)抗干扰控制算法.分析无人机飞行的运动模型,构建无人机在飞行的姿态参量约束下的运动方程,设计扩展卡尔曼滤波器进行干扰滤波,实现飞行姿态参量信息融合,以捷联惯导传输到执行器的姿态融合误差为控制目标进行控制算法优化.仿真实验结果表明:采用该方法进行无人机的姿态信息融合和控制,输出的姿态信息参量具有较高的精度,误差收敛到最小,控制性能较好,抗干扰能力较强,保障了无人机的稳定飞行.     

Optimal Kalman filtering fusion with cross-correlated sensor noises

When there is no feedback from the fusion center to local sensors, we present a distributed Kalman filtering fusion formula for linear dynamic systems with sensor noises cross-correlated, and prove that under a mild condition the fused state estimate is equivalent to the centralized Kalman filtering using all sensor measurements, therefore, it achieves the best performance. Then, for the same dynamic system, when there is feedback, a modified Kalman filtering fusion with feedback for distributed recursive state estimators is proposed, and prove that the fusion formula with feedback is, as the fusion without feedback, still exactly equivalent to the corresponding centralized Kalman filtering fusion formula; the various P matrices in the feedback Kalman filtering at both local filters and the fusion center are still the covariance matrices of tracking errors; the feedback does reduce the covariance of each local tracking error.     

多传感器集中式增量卡尔曼滤波融合算法

在单个传感器的状态估计系统中,标准的增量卡尔曼滤波方法可以有效消除量测系统误差。对于多传感器情况,标准算法失效。针对该问题,提出了多传感器集中式增量卡尔曼滤波融合算法,即:增量卡尔曼滤波的扩维融合算法和增量卡尔曼滤波的序贯融合算法。在标准增量卡尔曼滤波算法的基础上,结合扩维融合和序贯融合的思想来实现多传感器数据的融合。实验结果表明,当存在量测系统误差时,提出的集中式融合算法与传统的集中式融合算法相比,提高了滤波精度,并且能够成功地消除量测系统误差。     

Distributed fusion Kalman filtering under binary sensors

Binary sensors are special sensors that only transmit one‐bit information at each time and have been widely applied to environmental awareness and medical monitoring. This paper is concerned with the distributed fusion Kalman filtering problem for a class of binary sensor systems. A novel uncertainty approach is proposed to better extract valid information from binary sensors at switching instant. By minimizing a local estimation error covariance, the local robust Kalman estimates are firstly obtained. Then, the distributed fusion Kalman filter is designed by resorting to the covariance intersection fusion criterion. Finally, a blood oxygen content model is employed to show the effectiveness of the proposed methods.     

加权观测融合非线性无迹卡尔曼滤波算法

针对非线性系统的无迹卡尔曼滤波器(UKF),应用加权最小二乘(WLS)法,提出了加权观测融合UKF滤波算法.证明了加权观测融合UKF滤波算法与集中式观测融合UKF滤波算法在数值上的完全等价性,因而具有全局最优性.一个带两传感器非线性系统的仿真例子说明了两种融合算法的有效性及等价性.     

基于卡尔曼滤波算法的轨迹估计研究

在无线传感器网络中节点定位系统中,基于接收信号强度指示(RSSI)技术的定位算法研究有很多,这种定位技术成本低而且易于实现,但RSSI定位技术因容易受到环境因素的影响,在测距过程中,估测距离的误差很大。在RSSI定位系统的基础上,加入系统噪声和测量噪声,根据系统状态方程和动态系统测量方程,利用卡尔曼滤波算法,对RSSI进行滤波,并估测出移动节点的运动轨迹。仿真结果表明:改进卡尔曼滤波算法提高了移动节点的运动轨迹的定位精度。