基于Kalman滤波的多传感器信息融合研究

多传感器信息融合是对多种信息的获取、表示及其内在联系进行综合处理和优化的技术。单一传感器只能获得环境或被测对象的部分信息段,多传感器信息融合后可以完善地、准确地反映环境特征。本文介绍多传感器数据融合的基本理论。数据融合是把来自不同传感器数据加以综合、相关、互联,提高定位和特征估计的精度。文章对Kalman融合算法进行仿真,对结果进行分析。验证算法的可行性。     

基于Kalman滤波跟踪的MIMO-OFDM半盲信道估计

为克服常用的最小均方(LS)估计算法误差平底较高,且需要占用大量导频资源跟踪时变信道的缺点,提出一种基于Kalman滤波跟踪的MIMO-OFDM半盲的信道估计算法,该算法在采用少量导频的前提下,建立参数化信道模型,采用自适应Kalman滤波技术跟踪时变信道状态信息。仿真表明:该算法能很好地跟踪时变信道状态,显著降低多普勒频移条件下估计的均方误差。     

一种基于分步式滤波的数据融合算法

本文提出了一种基于分步式滤波的多传感器动态系统数据融合算法.在由多传感器组成的分布式动态系统中,当对目标状态的所有观测值到来时,首先基于系统先前信息对该时刻目标状态进行预测估计,利用Kalman滤波器和各局部观测值依次对该时刻目标状态的估计值进行更新,从而得到该时刻目标状态基于全局信息的融合估计值.文中详细推证了融合算法的具体形式,并与传统的集中式数据融合算法在计算复杂度上进行了比较,计算机仿真表明该算法与传统的集中式算法对目标状态具有相同的估计精确度.     

一种基于Kalman滤波的OFDM系统频偏估计方法

文章基于正交频分复用（OFDM）系统对频偏的敏感性特点,介绍和分析了在OFDM接收机中的一种快速采样和精确跟踪技术。这种技术基于Kalman滤波算法和它快速的收敛速度,通过改变OFDM系统和接收端的设计参数来研究载波频率及估计器在接收端错误率中的影响。通过研究将得到一个最佳的频率偏移估计。该方法应用良好,有快速收敛能力,能在极短信号间歇中获取频偏,并拥有良好的跟踪能力。     

kalman滤波在CDMA／GPS数据融合混合定位算法中的应用

本文提出了在CDMA／GPS数据融合混合定位算法中，采用基于Kalman滤波的定位算法，根据试验的实际运动情况，进行了仿真和分析，证明Kalman滤波在提高定位精度方面的有效性。     

基于可信度估计的迭代滤波的WSNs数据融合算法

估计传感节点提供数据的可信度是WSNs应用的关键技术。目前,常采用迭代滤波IF(Iterative filtering)算法实现数据可信度的评估。然而,传统的IF算法假定传感节点的初始可信度相同,这有背于客观事实。为此,提出基于可信度估计的迭代滤波的WSNs数据融合ATIFDA(Ascertaining Trustworthiness of sensor node -based Iterative Filtering Data Aggregation) 算法。ATIFDA算法利用最大似然估计MLE( Maximum Likelihood Estimation)计算每个传感节点的初始可信度。首先进行簇划分,每个簇选择一个簇头CH(Cluster head),簇头收集传感节点的感测数据,然后,再利用MLE估计每个传感节点的初始可信度,再进行IF算法,最后,进行数据融合。仿真结果表明,提出的ATIFDA算法在噪声环境下,具有低的均方根误差RMSE(Root Mean Squared error)     

一类多速率多传感器系统的状态融合估计算法

基于不同传感器以不同采样率对同一目标状态进行观测的多传感器单模型动态系统,该文提出了一种状态融合估计算法。不同传感器之间采样率之比可以是正有理数。该算法不仅具有好的实时性,而且在线性最小方差意义下是最优的。进一步可以证明：融合多个传感器获得的最高采样率下状态的估计值优于单传感器的估计结果,而减少任何一个传感器的信息所获得的估计值的误差协方差都将增大。仿真结果验证了算法的可行性与有效性。     

目标数据融合方法

对多探测器探测得到的多目标航迹数据进行数据融合处理，以获得统一、真实可靠、高精度的飞行目标航迹参数。本数据融合算法采用改进运动模型的基于多站联测异步数据序贯Kalman滤波的最近邻跟踪算法，以便得到高精度的处理结果。     

未建模系统基于观测值的实时分块Kalman滤波估计方法研究

 本文以一类具有周期随机变化特点的随机过程为对象,在仅有测量模型的情况下研究估计方法的设计问题.首先,通过离散化方法建立点采样的离散输出方程、分块形式的输出方程以及描述点采样与被估状态块向量之间关系的输出方程;其次,利用待估变量具有的周期性随机游走特性,建立对应的状态模型;再者,利用扩展强跟踪滤波算法,分别得到了实时点估计滤波器、半实时块估计滤波器和实时块估计滤波器等三种未建模系统随机变量基于输出测量值的估计方法;最后,利用计算机仿真对三种滤波器的性能进行了比较分析.     

基于观测值聚类的多雷达数据融合

采用一种改进的K NN算法对多雷达观测数据进行聚类 ,结合聚类中心和目标预测值 ,应用卡尔曼滤波器估计目标状态 ,从而实现多雷达数据融合。实验结果表明这种方法是有效的。     

基于MATLAB的卡尔曼滤波仿真研究

针对防空兵高炮火控系统中的滤波问题,应用矩阵实验室(MATLAB)实现对目标运动参数的滤波仿真.介绍了MATLAB软件的相关知识,阐述了利用MATLAB进行卡尔曼滤波仿真的实现过程.通过实例,利用MATLAB对某型雷达卡尔曼滤波的过程和结果进行了进一步的仿真.结果表明,利用MATLAB进行卡尔曼滤波仿真,对提高整个火控...     

基于卡尔曼滤波的图像复原

本文研究了基于卡尔曼滤波的图像复原方法。介绍了图像模型的建立以及几种经典卡尔曼滤波图像复原方法,提出了图像模型自适应的复原算法,并进行了仿真研究。在其退化过程只限于假定是被白噪声污染的马尔可夫（Markov）过程的条件下,目前应用卡尔曼滤波进行图像复原结果显示,本方法具有更好的性能。     

带相关噪声的观测融合稳态Kalman滤波算法及其全局最优性

对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(WLS)法提出了一种加权观测融合稳态Kalman滤波算法,可处理状态、白噪声和信号融合滤波、平滑、预报问题。基于稳态信息滤波器证明了它完全功能等价于集中式观测融合稳态Kalman滤波算法,因而它具有渐近全局最优性,且可减少计算负担。一个跟踪系统仿真例子验证了它的功能等价性。     

联合卡尔曼滤波器在数据融合中的应用

介绍多传感器数据融合中联合卡尔曼滤波器的设计步骤，并将此方法用于舰船组合导航系统，计算机仿真和理论分析表明，该滤波器可以做到全局最优，其结构遵循信息分配原则，提高了系统的数值稳定性和容错性，减小了数据传输的工作量与计算量，便于计算机实现，能够满足组合导航系统需要。     

基于卡尔曼滤波的盲空时检测器

文章提出了一种基于卡尔曼滤波的盲空时多用户检测方法。卡尔曼滤波是一种线性最小方差状态估计,把它有效地结合阵列天线与多用户检测。该自适应多用户检测方法不需要发送训练序列。在多径衰落信道下,仿真结果表明该方法收敛速度比LMS算法更快,有较强的抗多径和多址干扰能力。     

基于Matlab的Kalman滤波教学实践

Kalman滤波理论性强,概念抽象,运算复杂。传统的以单一数学分析为手段的授课方式很难将其原理讲深和把问题讲透。本文将Matlman仿真工具用于Kalman滤波的教学改革,通过可视化图形工具的应用,使授课形式生动化;通过具体的实例讲解和编程实现,使数学理论实用化。实践证明,这种教学方法切实有效,可以提高教学质量。     

抗野值Kalman滤波在靶场测量数据处理中的应用

在无人机飞行参数测量中,由于杂波等各种偶然因素的影响,往往使测量数据中存在着大量的野值,从而造成测量数据的严重失真甚至使滤波过程发散.通过对测量数据新息序列的分析,提出了野值判定的方法,并通过对新息序列进行修正来消除野值的影响.Matlab仿真的结果表明该方法可以有效判别和修正野值,提高了滤波精度.