一种基于神经网络修正参数的卡尔曼滤波室内定位方法

随着网络技术和移动通信技术的发展,移动终端设备已经具有了可靠性高、性能较强等优势,利用现有移动终端设备构建一套简便、低成本、可靠的室内定位方法已经成为一个重要问题。针对室内定位先天的复杂性,测量仪器的不准确性,定位环境多变性等因素,设计了一套使用WiFi技术、卡尔曼滤波算法、BP神经网络的室内定位方法。该方法可以有效地提高室内定位系统的精度和鲁棒性。仿真实验结果表明,在100 m×100 m的二维平面中,定位误差小于2.5 m,优于标准的卡尔曼滤波方法。     

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

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。     

基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法

为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题,该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF SLAM)。该算法采用逆 Wishart 分布对一步预测误差协方差矩阵 P _k|k–1和观测噪声协方差矩阵 R _k建模,分别用来降低系统噪声和观测噪声的影响,并利用变分贝叶斯滤波实现对移动机器人状态向量 X _k, P _k|k–1和 R _k的联合估计。分别在系统噪声和观测噪声时变和时不变的条件下进行仿真实验,结果表明与基于无迹卡尔曼滤波的 SLAM 算法(UKF SLAM) 、自适应更新观测噪声的容积卡尔曼滤波的SLAM 算法(VB-ACKF SLAM) 相比,所提DSACKF SLAM算法在噪声时变时,平均位置误差分别减小1.54 m, 3.47 m;噪声时不变时,平均位置误差分别减小0.62 m, 1.41 m,证明DSACKF SLAM算法有更好的估计性能。     

长距离移动定位技术与室内定位技术

基于对国内外大量定位技术文献深入的研究,本文对几种重要的长距离无线定位技术和室内定位技术做了分类介绍,对它们的原理做了扼要的论述,并指明了各定位技术的优缺点。     

卡尔曼滤波在空舰攻击目标定位中的应用

介绍了一个极坐标下卡尔曼滤波算法,给出了模型的推导过程及卡尔曼滤波的标量计算式,并给出了空舰攻击中目标速度的计算方法.实践证明,该算法是一个收敛快、精度较高的算法.     

联合TDOA改进算法和卡尔曼滤波的UWB室内定位研究

随着互联网+的提出以及物联网技术的不断发展,各行业对人员、货物等进行定位的场景在不断增多;与此同时,安防监控、航空航天、无人工业化操作、海域勘探、数字化旅游等新兴领域对室内定位系统的需求也在日益增强。针对不同需求,学术界和工业界开发了多种定位技术,它们在定位适用性、定位精度等方面存在较大的差异。相比其他定位方式,超宽带(UWB)定位技术在精确度、实时性能和数据可扩展方面具有独特的优势,通过改进基于到达时间差(TDOA)的算法,降低了时钟同步的难度,联合卡尔曼滤波进一步消除了传输过程中的误差干扰,最终使得室内定位更加精确。     

基于最大似然估计与卡尔曼滤波的室内目标跟踪

为了解决室内目标跟踪系统中由于定位误差导致目标运动轨迹波动较大的问题,提出一种基于最大似然估计与卡尔曼滤波的融合目标跟踪算法.首先利用最大似然估计算法预测目标的运动轨迹,然后再利用卡尔曼滤波算法对预测结果进行滤波处理,进一步降低定位结果的误差.仿真结果表明,所提算法的定位误差均值为0.64 rn,比通用的最邻近算法性能...     

基于卡尔曼滤波的UWB室内精确定位研究

高精度的定位系统对促进数字化时代的发展尤为重要。文章针对室内复杂环境的定位问题,建立基于线性卡尔曼滤波的定位模型,有望提高室内定位的精确度。文章首先根据UWB原理,利用三边定位法计算靶点坐标。其次使用卡尔曼滤波算法对坐标数据进行平滑处理,以减小因干扰信号引起的数据误差。最后模拟室内静态实验得到10组滤波前后的靶点坐标及其误差值。结果表明,本研究的定位模型明显提高了定位精度,对复杂环境下的定位具有一定的应用价值。     

基于Kalman滤波器运动目标跟踪的火灾监测方法

针对目前通常采用的火焰信息特征检测方法无法有效排除环境变化产生的干扰,特别是光线变化易引发实时火灾监控出现误检的问题,提出了一种基于Kalman滤波器运动跟踪算法的火焰检测方法,同时利用颜色、圆形度等特征和信息进一步确认火灾。不同干扰条件下的测试结果表明,利用文中提出的算法进行火灾识别判断,具有响应时间短,抗干扰性强等优点,可满足实际使用需求。     

Influence of stochastic noise statistics on Kalman filter performance based on video target tracking

The system stochastic noises involved in Kalman filtering are preconditioned on being ideally white and Gaussian distributed. In this research, efforts are exerted on exploring the influence of the noise statistics on Kalman filtering from the perspective of video target tracking quality. The correlation of tracking precision to both the process and measurement noise covariance is investigated; the signal-to-noise power density ratio is defined; the contribution of predicted states and measured outputs to Kalman filter behavior is discussed; the tracking precision relative sensitivity is derived and applied in this study case. The findings are expected to pave the way for future study on how the actual noise statistics deviating from the assumed ones impacts on the Kalman filter optimality and degradation in the application of video tracking.     

1/f分形噪声的一种多尺度Kalman滤波方法

针对淹没在1／f分形噪声中的有用信号恢复问题,提出了一种基于小波变换与Kalman滤波的多尺度滤波算法。首先将带有1／f分形噪声的信号分解成多尺度的子带信号,通过小波变换对1／f分形噪声的白化作用,消除了1／f分形噪声的自相似性和长程相关性。然后在小波域内,利用Kalman滤波实现了噪声和有用信号的分离,估计出了各子带中的有用信号。最后进行小波重构,较好地恢复出淹没在1／f分形噪声中的有用信号。仿真实验表明,使用多尺度Kalman滤波器能有效地抑制分形噪声,显著地提高了信噪比。     

卡尔曼滤波在iBeacon室内定位系统中的应用

为了抑制iBeacon信号在传播过程中由于人员扰动、多径效应等引起的噪声,以及移动定位过程中定位结果的不稳定,在iBeacon室内定位系统中引入了卡尔曼滤波算法分别对采集到的iBeacon信号与移动定位结果进行处理.首先通过卡尔曼滤波对采集的信号进行处理,降低了信号噪声,提高了信号的质量,其次应用卡尔曼滤波对移动定位结果进行二次处理,提高了移动定位结果的稳定性与精度.实验结果表明,在办公室环境下采用卡尔曼滤波进行处理后可将1 m以内的定位精度提高到80%以上.     

基于Kalman滤波原理的运动目标跟踪

应用Kalman滤波原理,对运动目标进行跟踪,缩小目标的搜索范围,实现快速实时跟踪,使跟踪更为准确.理论分析和实验结果表明,该算法与常规的模板匹配法、直方图模板匹配法等算法相比,有效地提高了目标跟踪的速度及跟踪的准确性.该算法对运动目标进行跟踪,运行速度可提高三倍.     

扩展卡尔曼滤波在目标跟踪中的应用研究

扩展卡尔曼滤波在非平稳矢量信号和噪声环境下具有广泛的应用,针对机动目标运动模型的特点,采用基于扩展卡尔曼滤波的算法对运动目标进行跟踪处理,该算法首先建立了运动目标的状态模型和观测模型,然后对观测数据进行滤波和误差估计处理,最后通过计算机的蒙特卡洛仿真得到了滤波轨迹和运动目标的距离和角度误差,仿真结果表明,扩展卡尔曼滤波算法具有很好的目标跟踪性能.     

基于卡尔曼滤波的机动目标外推预测的研究

卡尔曼滤波在各个领域都有广泛的应用,如航天器的轨道计算、雷达目标跟踪、生产过程的自动控制等。卡尔曼滤波器在机动目标跟踪中具有良好的性能,是一种最佳估计并能够进行递推计算。为了研究卡尔曼滤波对机动目标的预测,首先用Matlab仿真验证自适应卡尔曼滤波的跟踪滤波能力,根据结果判定目标运动模型,进而在此运动模型下用卡尔曼预测对目标进行外推验证。     

一种新型自适应卡尔曼滤波算法

主要完成卡尔曼滤波在准连续波雷达数据处理(距离和速度)中算法应用研究,实现一种新型自适应卡尔曼滤波算法.通过计算机仿真,该算法能够适应不同的机动目标,并对测量数据中的有色噪声有较强的抑制作用,满足实时要求,提高雷达测量精度.     

Probabilistic Kalman filter for moving object tracking

Kalman filter has been successfully applied to tracking moving objects in real-time situations. However, the filter cannot take into account the existing prior knowledge to improve its predictions. In the moving object tracking, the trajectories of multiple targets in the same environment could be available, which can be viewed as the prior knowledge for the tracking procedure. This paper presents the probabilistic Kalman filter (PKF) that is able to take into account the stored trajectories to improve tracking estimation. The PKF has an extra stage after two steps of the Kalman filter to refine the estimated position of the targets. The refinement is obtained by applying the Viterbi algorithm to a probabilistic graph, that is constructed based on the observed trajectories. The graph is built in the offline situation and could be adapted in the online tracking. The proposed tracker has higher accuracy compared to the standard Kalman filter and could handle widespread problems such as occlusion. Another significant achievement of the proposed tracker is to track an object with anomalous behaviors by drawing an inference based on the constructed probabilistic graph. The PKF was applied to several manually-built videos and several other video-bases containing severe occlusions, which demonstrates a significant performance in comparison with other state-of-the-art trackers.     

一种基于预测值量测转换的卡尔曼滤波跟踪算法

在雷达目标跟踪中,系统量测信息通常在球坐标系下获得。为了采用经典卡尔曼滤波算法实现有效目标跟踪,通常采用量测转换方法将非线性量测信息转换到直角坐标系中。针对传统量测转换方法基于量测值计算转换误差统计特性而导致的估计结果有偏问题,提出了一种基于预测值的量测转换方法,并将其与卡尔曼滤波算法相结合,获得了一种基于预测值量测转换的卡尔曼滤波跟踪算法。仿真结果表明,与现有的基于量测转换的卡尔曼滤波算法相比,该算法能在不提高运算量的情况下有效改善目标跟踪效果,跟踪精度提升约20%。