基于改进的鲁棒机器人蒙特卡罗定位算法

针对粒子滤波过程的粒子退化问题和提高粒子的细化能力,提出一种基于改进的鲁棒机器人蒙特卡罗定位（Improved Robust Robot Monte Carlo localization,IRR-MCL）算法.首先利用扩展卡尔曼滤波来精确设计粒子滤波器的提议分布,将当前观测信息融入顺序重要性采样过程,以改善滤波效果,减小所需粒子数;然后,给出IRR-MCL定位算法的实现细节,实验结果表明,该算法与传统的方法在定位精度和鲁棒性方面都有显著提高.     

基于刚性约束的双移动机器人协同定位

准确、快速的状态估计是保证多机器人顺利完成协作搬运任务的关键.然而,大部分现有多机器人协同定位方法都存在一定的局限性,往往无法同时兼顾定位精度与计算复杂度.因此,本文从协作搬运任务的特点出发,将距离与方位的刚性约束条件引入协同定位中,同时根据机器人之间的紧密耦合关系建立起通用有效的运动模型和量测模型.最终在此刚性约束系统建模的基础上,提出一种基于高斯-厄米特求积分卡尔曼滤波（Quadrature Kalman Filter,QKF）的双移动机器人协同定位方法.仿真实验结果表明：与基于无约束模型的QKF协同定位方法相比,本文所提方法不但具有更高的定位精度,而且计算复杂度大大降低,有助于实现多机器人实时协同定位.     

基于粒子滤波的蜂窝网移动台单站跟踪

仅使用单个基站测量信息对蜂窝网移动台进行定位跟踪实现简单并具有较高的可定位概率,但面临的挑战是如何提高定位精度。粒子滤波是基于贝叶斯推论的一种蒙特卡洛方法,特别适用于非线性非高斯信号处理。该文提出了基于粒子滤波的单站跟踪算法。仿真结果表明与快拍式定位方法相比,这种滤波算法大大提高了单站定位的精度;与扩展卡尔曼滤波相比,粒子滤波收敛速度快,性能稳健。     

采样滤波算法在单站无源定位中的应用

讨论了用采样的方法近似非线性分布来解决无源定位中的非线性问题,提出了一种简单的正则粒子滤波,克服了标准粒子滤波用于单站无源定位中出现的粒子贫乏现象,将粒子滤波成功应用到无源定位中,计算机仿真表明该算法的定位精度较Unscented卡尔曼滤波（UKF）有一定的提高。     

基于距离参数化的双机时差递推定位方法

双机仅测时差定位系统具有系统结构简单、定位精度高的特点。对不当的滤波初始化易造成的扩展卡尔曼滤波器（EKF）的滤波发散问题,该文提出了一种基于时差测量的距离参数化（RP）方法。该方法利用时差得到一组滤波初始化值,结合EKF,提出了双机时差测量的距离参数化扩展卡尔曼滤波（RPEKF）递推定位方法。仿真结果表明,该文的定位...     

EKF在GPS导航定位中的应用研究

论文中针对GPS星座轨道参数及系统特性,建立基于伪距测量误差模型的导航定位状态方程,利用扩展卡尔曼滤波算法（EKF）,对GPS定位解算精度进行仿真实验分析。仿真结果表明,EKF明显优于最小二乘算法,具有较高的滤波精度,可以更好地满足GPS用户定位精度要求。     

基于粒子滤波的数字广播无线定位与跟踪

数字广播作为一种全新的信息传输技术已开始广泛应用,利用数字广播信号进行定位具有独特的优势.本文简单介绍了基于正交频分复用(OFDM)调制的数字广播的测距原理,根据数字广播以恒定码率连续发送的特点,给出了序贯估计接收机位置和速度的定位、跟踪模型.在此基础上,分析了经典的粒子滤波存在的问题,提出了基于扩展卡尔曼滤波器组修正重要采样的粒子滤波方法.仿真表明,相比于扩展卡尔曼滤波和经典的粒子滤波,新算法能提高定位精度,且收敛速度快,性能稳健,不受初始值设定的影响.     

扩展卡尔曼滤波算法在UWB定位中的应用

随着无线通信技术的发展,新兴的无线网络技术得到了广泛的应用,基于无线网络的定位技术尤其是UWB（Ultra Wide Band）无线定位技术具有广阔的发展前景。考虑到UWB定位系统中存在的非线性问题,在RSSI（Received Signal Strength Indication）算法的基础上将扩展卡尔曼滤波算法应用于UWB定位技术中,并对RSSI算法和扩展卡尔曼滤波算法进行了性能仿真分析,通过仿真证实了扩展卡尔曼滤波算法能够有效减少定位误差,提高定位精度。     

一种基于角度和时差信息的改进型滤波算法

联合角度（DOA）信息和时差（TDOA）信息对运动目标进行多站无源定位实质上是一种非线性估计问题。文章基于DOA和TDOA信息，提出了二种多站对三维空间目标进行定位跟踪的修正增益扩展卡尔曼滤波（MGEKF）算法，文中分别推导了角度观测方程和时差观测方程的修正增益函数。计算机仿真表明该算法的定位精度和稳健性能均要高于扩展卡尔曼滤波（EKF）算法。     

基于改进WKNN的蓝牙室内定位方法

大型商超、地下停车场等公共场所对室内定位的需求迫切，而GPS定位技术无法实现室内定位。针对传统定位算法定位精度低的问题，文中提出一种基于改进WKNN的蓝牙室内定位方法。首先构建欧氏距离与曼哈顿距离融合的相似度度量函数，改进权值的计算方法；在此基础上，针对偏差较大的跳跃点以及长时间连续定位采集数据量庞大的特点，提出一种基于粒子群的滤波算法，使预测轨迹更贴近真实轨迹。实验结果表明：与传统WKNN算法相比，所提方法定位精度提高约40 cm；相比传统的卡尔曼滤波，基于粒子群的滤波算法可以进一步将定位精度提高约4 cm。     

一种基于EPF滤波的三维单站无源定位算法研究

利用频率变化率、方位角及俯仰角信息,提出一种对固定辐射源的三维单站无源定位算法。该方法通过质点运动学原理,得出目标辐射源的位置,之后采用EPF滤波算法进行处理,对粗略定位结果进行修正和平滑,逐步估计出目标的位置。EPF（ExtendedParticleFilter）滤波是将EKF（ExtendedKalmanFilter）算法作为重要性函数的一种粒子滤波方法。仿真结果表明,基于EPF滤波的单站无源定位算法比传统的EKF滤波算法收敛更快、更稳定,滤波效果更好,定位精度更高,这对无源定位跟踪算法精度的提高和实际应用有很大的意义。     

基于粒子滤波的机载单站无源跟踪算法

针对空中观测平台对远距离海面慢速运动目标定位跟踪这一非线性估计问题,介绍了专门处理非线性估计问题的粒子滤波算法,将粒子滤波算法(Particle Filter,PF)应用于机载单站无源定位跟踪问题,有效提高了对慢速运动目标的单站无源定位跟踪性能,解决了传统的扩展卡尔曼滤波算法在非线性估计时存在收敛速度慢的问题。通过与扩展卡尔曼滤波算法的仿真比较表明,粒子滤波算法可实现对慢速运动目标的高精度定位跟踪,且性能优于扩展卡尔曼滤波算法。     

基于Kalman的滤波目标精确跟踪技术研究

阐述了基本kalman滤波方法,讨论了针对非线性系统应用的kalman滤波方法的改进形式EKF、UKF。为了增进UKF运算效能,提出了引入衰减系数的滤波形式DCUKF。针对二维平面非匀速运动的目标的精确跟踪定位系统,仿真对比分析了EKF、UKF及DCUKF的滤波计算效果。结果表明DCUKF有更好的滤波效果。     

常用非线性滤波方法比较研究

几乎所有的现实系统都是非线性的,因而非线性估计问题显得尤为重要.通过分析3种常用的非线性滤波器:扩展卡尔曼滤波器、Unscented卡尔曼滤波器以及粒子滤波器的原理,确定其适用性.用单变量非平稳模型及再入目标跟踪模型,通过Monte-Carlo仿真计算估计的均方误差及时耗,进而对上述3种滤波器滤波精度、一致性以及运算量进行比较.     

Extended Kalman Filter-based localization algorithm by edge computing in Wireless Sensor Networks

The Extended Kalman Filter (EKF) has received abundant attention with the growing demands for robotic localization. The EKF algorithm is more realistic in non-linear systems, which has an autonomous white noise in both the system and the estimation model. Also, in the field of engineering, most systems are non-linear. Therefore, the EKF attracts more attention than the Kalman Filter (KF). In this paper, we propose an EKF-based localization algorithm by edge computing, and a mobile robot is used to update its location concerning the landmark. This localization algorithm aims to achieve a high level of accuracy and wider coverage. The proposed algorithm is helpful for the research related to the use of EKF localization algorithms. Simulation results demonstrate that, under the situations presented in the paper, the proposed localization algorithm is more accurate compared with the current state-of-the-art localization algorithms.     

NLOS环境下基于TOA/AOA的单基站目标跟踪

现有的单基站定位技术由于非视距（Non-Line-of-Sight,NLOS）误差的存在,导致定位性能急剧下降。针对这一问题,提出了一种基于单基站的改进扩展卡尔曼滤波（Extended Kalman Filter,EKF）算法。该算法在扩展卡尔曼滤波器中引入阈值去判断是否丢弃测量值,通过对卡尔曼增益的处理来提高对NLOS误差的滤除能力,最后利用扩展卡尔曼滤波器的跟踪性能对移动目标进行定位跟踪。仿真结果表明,所提算法的定位精度优于传统的EKF、无迹卡尔曼滤波器（Unscented Kalman Filter,UKF）等算法,且对抑制NLOS误差具有良好的效果。     

基于LABO-3的移动机器人定位研究

定位是确定机器人在其工作环境中所处位置的过程。移动机器人通过传感器感知环境和自身状态,进而实现自主运动。简单地说就是在一个未知的环境中,获取信息、分析环境,确定自己在该环境中的具体位置。利用Matlab与LebVEIW相结合实现对数据的采集,提出一种基于地图的EKF定位方法,从而实现精确定位。结合LABO-3的特点对机器人的定位问题进行研究,达到在实际中的应用。     

基于自适应卡尔曼滤波的侧滑移动机器人运动模型估计

精确实时在线的运动模型对于侧滑移动机器人的运动控制和轨迹规划至关重要,相比于离线模型估计,该文在基于速度瞬心(ICRs)的侧滑移动机器人运动学模型基础上,采用扩展卡尔曼滤波(EKF),在同一特定地形下在线准确得到ICRs的参数值;并针对不同的地形情况,采用k-近邻法对地形进行分类,实时判别机器人当前运行的路面,采用自适应的卡尔曼滤波器(AKF)调整滤波器参数。仿真和实验对比表明,该方法在同一地形和变化地形下均能快速估计出侧滑移动机器人的运动学模型,收敛时间均为3 s以内,可以满足实际使用的需要。     

一种基于多普勒频率变化率单站无源定位的改进跟踪滤波算法

IMM-PF算法巨大的计算量影响跟踪的实时性,IMM-UKF由于线性化误差使得精度不高.针对这些问题,本文在基于多普勒频率变化率的单站无源定位问题的基础上提出了一种改进的交互式多模型滤波算法（IMMEK-UKFPF）,利用不同的模型匹配不同类型的滤波器,充分发挥了卡尔曼滤波和无迹卡尔曼滤波以及粒子滤波各自的优点.仿真结果表明该算法减少了跟踪定位所用时间,提高了计算效率,同时具有良好的跟踪性能和较强的鲁棒性.     

基于序列批处理Kalman滤波的跟踪算法

提高跟踪准确度是雷达发展的重要方向之一,本文通过建立的雷达跟踪模型,从批处理的角度,将多个状态矢量联合进行处理,并改进了量测方程,给出了一种使用序列批处理Kalman滤波（SBKF）以提高雷达跟踪准确度的新手段。通过仿真实验看出,相比传统扩展卡尔曼滤波（EKF）算法,序列批处理Kalman滤波的结果更接近真实值,有更好的收敛性,能得到更加稳定的滤波结果,有效地抑制了量测方程非线性化和野值带来的影响。