一种基于改进Kalman滤波的多传感器室内定位方案

利用手机内置加速度传感器、陀螺仪等多传感器融合进行行人航位推算实现室内定位,具有成本低、灵敏度高、定位方法简便等优点,但在人员非步态扰动及传感器自身测量误差产生漂移情况下,传感器信号采集的波动干扰大,导致室内定位精度较低.针对此问题,提出一种改进的Kalman滤波.以均值滤波对采样信号做一次处理,降低波动明显的采样数据...     

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。     

基于扩展Kalman滤波的空基多平台多传感器数据配准和目标跟踪算法

本文研究基于扩展Kalman滤波和多个空中移动平台的多传感器数据配准与目标跟踪问题.文中首先给出了空中移动平台传感器数据配准几何坐标转换算法;接着将目标运动模型和传感器配准误差模型组合在同一个状态方程中,然后利用扩展Kalman滤波方程进行估计.Monte-Carlo仿真表明,该方法能同时有效地估计目标运动状态和传感器配准误差.     

动态加权和测量方差时变的多传感器融合算法

在基于卡尔曼滤波及其一些改进算法中,由于测量方差预先设定,从而导致滤波发散和信息资源的浪费,为此提出了一种动态加权下测量方差时变的多传感器融合算法。该算法依据各传感器当前时刻的滤波精度合理地分配权值,同时测量方差的时变特性使得每次测量信息得到充分的利用。仿真结果表明该算法显著地提高了对机动目标的跟踪效果并具有实时性的优点。     

基于改进Camshift和Kalman滤波的目标跟踪算法

在移动目标跟踪过程中,可能会受到种种干扰而导致目标不能有效地被跟踪。为了解决在跟踪运动目标过程中受到外界影响的缺陷,采用了一种Camshift和Kalman滤波结合的目标跟踪算法。算法能有效克服运动目标被遮挡或相似颜色运动目标干扰使目标跟踪丢失的缺陷。实验结果表明:本文提出的算法用于跟踪运动目标具有很好的鲁棒性。     

基于自适应Kalman滤波的改进RTQC算法

为对原始雷达数据进行空间配准,对原始的实时质量控制方法(real time quality control,RTQC)进行了研究.在传统的RTQC算法的基础上,加入Kalman滤波,用于对随机误差进行处理,得出雷达测量的固定误差.对Kalman算法进行改进,改进了传统的Kalman滤波算法,通过对量测噪声方差矩阵和模型噪声方差矩阵进行实时估计,减少了Kalman滤波对于方差矩阵先验知识的要求,提高了Kalman滤波的自适应性,并初步分析了算法的有效性.与实际数据的对比实验结果表明了该方法的有效性.     

基于Kalman滤波的GSC改进语音增强算法

针对广义旁瓣相消器（Generalized sidelobe canceller,GSC）存在非相干噪声消除性能不佳的缺陷,提出了采用后置Kalman滤波器改进的GSC去噪算法。该算法通过归一化最小均方算法校正自适应噪声对消器,并将滤除方向性干扰噪声后的语音信号输出到Kalman滤波器中,对残余背景噪声进行迭代最小均方误差（Minimum mean square error,MMSE）估计,抑制非相干噪声与麦克风阵元所产生的热噪声。经过在不同信噪比条件下客观语音质量评估（Perceptual evaluation of speech quality,PESQ）及语谱图分析后证明,与传统的GSC以及后置谱减法的改进GSC相比,本算法在噪声消除上的表现更为优越,且增强后信号也更接近目标信号。     

混合式自适应Kalman滤波算法

采用虚拟噪声补偿模型误差和有偏的噪声方差估值器、滤波器收敛性判据相结合的方法来解决自适应Kalman滤波发散的问题。首先若模型不准确,则引入虚拟噪声对模型误差进行虚拟补偿,然后采用有偏的噪声方差估值器、滤波器收敛性判据对噪声方差估计值进行监控,阻止滤波器发散。采用混合式自适应Kalman滤波算法对Gill公司的风向风速仪实时采集的数据进行处理,实验结果表明,该方法能有效的提高性能、抑制滤波发散,具有较强的实用性、自适应能力。     

基于Kalman滤波算法的姿态传感器信号融合技术研究

针对应用三轴陀螺仪和三轴加速度传感器的四旋翼飞行器姿态角测量问题,提出了基于Kalman滤波算法的姿态传感器信号融合方法。该方法将陀螺仪输出的角速度误差作为时变误差处理,认为陀螺仪输出的角速度误差与其所测角速度及上一时刻的角速度输出误差相关,并据此建立陀螺仪测量线性方程,在此基础上,应用Kalman滤波算法,以加速度计输出的姿态角对陀螺仪测量的姿态角进行修正,从而达到姿态角准确测量的目的。实验结果表明：应用Kalman滤波算法对加速度传感器和陀螺仪信号融合后可有效消除姿态角测量累积误差并显著改善姿态角测量的动态特性。     

基于量测自适应辨识的多传感器数据融合算法

针对量测不确定条件下多传感器量测数据的合理利用和有效融合问题,提出了一种量测不确定下多传感器量测自适应数据融合算法。算法实现中考虑到传感器量测受扰动影响的具体情况,通过单个传感器的量测似然度的求解确认等效量测,并利用传感器量测数据间统计距离的构建完成对等效量测优化,进而实现不含扰动影响传感器量测数据的合理选择和融合。理论分析和仿真实验验证结果表明:新算法不仅有效改善扰动对于滤波精度的不利影响,并且相对于分布式融合方式降低计算复杂度。     

基于改进卡尔曼算法的室内温度数据融合

针对传统建筑物内部空间结构复杂,布线成本高,数据采集精度不高等问题,采用LoRa无线通信技术构建传感器网络,主要用于监测室内温度参数的变化;对于传统的卡尔曼数据融合结果存在较小波动的现象,引入了孤立森林算法,提出了基于改进的卡尔曼滤波算法的室内温度数据融合算法;通过在采集到的数据集中随机添加扰动样本和畸变数据,对三种算法产生的误差进行比较,改进的卡尔曼数据融合算法在有扰动样本的情况下,误差范围控制在-0.12-0.1之间,在带有畸变数据时,误差范围在-0.03至0.14之间,均远小于传统的卡尔曼数据融合算法和平均值算法;实验仿真的结果表明,改进的算法提高了室内温度数据采集的鲁棒性和准确性。     

一种基于压缩感知的无线传感信号重构算法

压缩感知(Compressed Sensing,CS)是一种基于稀疏信号的获取和恢复的新理论,能以较小的采样代价获得完整的信号.这一理论符合无线传感网络在带宽和采集能力局限下需要低代价采样的需求.但由于无线传感网络的开放性,其容易受到环境噪声的影响,特别是采用压缩感知方法进行欠采样,虽然可以减小获取数据的开销,但这种“不完整”的欠采样数据对噪声更加敏感.因此抗噪声的健壮的重构算法能有效保证信号重构的精度.文中提出了一种近似梯度下降算法(Proximal Gradient Algorithm,PRG)对噪声下的压缩采样信号进行恢复.该算法通过逐步迭代逼近的方式,求得约束方程最优解,进而还原出原信号.通过与OMP、SP、BP算法比较,PRG算法在噪声环境下表现出较好的重构性能.     

基于卡尔曼滤波的数据融合算法与应用研究

针对无人机飞控系统对输入的多传感器信息融合时传统卡尔曼滤波算法容易出现滤波发散,滤波精度和系统的实时性降低的问题,研究了一种改进的自适应滤波算法,可以让数据融合后的信息精度更高,实时性更强。改进的算法是在Sage-Husa滤波的基础上引入滤波收敛性判据,并提出了基于改进的Sage-Husa滤波算法的联邦卡尔曼滤波器的设计,可以抑制滤波发散,提高滤波精度和稳定性。同时引入强跟踪滤波算法的思想,调整增益矩阵,改进滤波算法,提高系统突变情况下的滤波处理能力。最后,通过对特定的自主避障系统用改进后的算法与传统卡尔曼滤波算法进行MATLAB仿真比较,仿真结果显示改进的自适应滤波算法在系统模型参数失配和实变噪声情况未知时,可以较好地保持滤波的精度和实时性。     

一种无线传感器网络MAC协议优化算法

在无线传感器网络中,各节点采集的信息以多跳的方式传送到汇聚点.从各节点到汇聚点形成一棵以汇聚点为根的传输树.文中在对无线传感器网络传输特点分析的基础上,剖析了基于CSMA/CA(载波多路监听/冲突避免)的MAC协议在树状结构无线传感器网络中的弊端,提出了一种基于CSMA/CA的MAC协议优化算法.算法基于节点在传输树中的位置信息调整其MAC信道接入分配,将CSMA/CA采用的各节点均等竞争信道的方法优化为各节点依据在传输树中的位置情况竞争信道的方式,这一优化提高了节点公平性,使MAC信道接入分配与树状结构的无线传感器网络传输特点相契合,解决了基于CSMA/CA的MAC协议与树状结构无线传感器网络不匹配的问题,从而减少了信道资源浪费,提高了网络传输效率,降低了能耗.实验结果表明该算法在网络丢包率、吞吐量和能耗方面的性能均有较大改进.     

传感器网络中精确融合的隐私保护算法研究

无线传感器网络作为物联网的重要组成部分,当其在融合私密数据时,出于安全性与保密性的要求,隐私保护机制不可或缺,在数据融合的同时加入隐私保护机制现已成为人们研究的焦点。文中针对SMART( Slice-Mix-AggRegaTe)算法中融合精确度与隐私保护性方面的性能缺陷进行分析,加入“局部分片”策略,形成PSMART ( Partial Slice-Mix-Ag鄄gRegaTe)算法,该算法在融合精确度、通信量以及隐私保护性方面表现良好。仿真结果表明,PSMART算法提高了融合精确度,增强了隐私保护性,一定程度地降低了通信量,从而减少节点能量支出,间接地延长了网络存活时间。     

一种基于卡尔曼滤波的背景更新算法

在基于视频的运动目标检测过程中,经常使用背景差法来检测运动目标。在背景差法中,背景的实时更新是很重要的一个部分,直接影响到检测效果。在研究过去的背景更新方法的基础上,提出一种基于卡尔曼滤波的方法来更新背景,并且把背景模型和当前帧图像的均值和方差等参数与目标检测结果相结合,实现了较好的背景更新结果。算法的复杂度低、实时性好,能够适应工程的需要。     

一种基于卡尔曼滤波的背景更新算法

在基于视频的运动目标检测过程中．经常使用背景差法来检测运动目标．在背景差法中，背景的实时更新是很重要的一个部分．直接影响到检测效果。在研究过去的背景更新方法的基础上，提出一种基于卡尔曼滤波的方法来更新背景，并且把背模使型和当前帧图像的均值和方差等参数与目标检测结果相结合．实现了较好的背景更新结果。算法的复杂度抵、实时性好，能够适应工程的需要。     

基于卡尔曼过滤的多传感器协作数据重构算法研究

本文针对多传感器系统存在的数据易丢失、易受干扰和易失真等问题,在卡尔曼过滤的基础上结合协同合作方式提出了一种协作数据重构算法。该算法从一阶线性化、二次加权突变平滑和随机统计特征等方面出发建立了适用于多传感器系统的卡尔曼过滤算法,然后基于中继转发信号和自适应感知时间间隙,给出了协作数据重构多传感器系统协同过程控制算法。数学分析和实验结果表明,所提算法与压缩感知重构算法相比在监测数据准确度、均方差、功耗和能耗等方面表现出优势。     

基于改进容积卡尔曼滤波的认知雷达跟踪算法

在认知雷达目标跟踪过程中,由于存在初始跟踪误差及系统量测方程的非线性等原因,导致卡尔曼滤波算法性能较差.为解决上述问题,将Gauss-Newton迭代方法与容积卡尔曼滤波算法相结合,建立迭代容积卡尔曼滤波算法.算法在迭代过程中利用最新的量测信息并更新迭代过程中产生的新息方差,降低了目标初始状态的估计误差,并且减小了线性化量测方程引入的传递误差.仿真结果表明,迭代容积卡尔曼滤波算法与传统的扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、容积卡尔曼滤波算法相比,在认知雷达中的跟踪精度更高,稳定性更好,对初始误差的容错性更强.结果可为雷达目标跟踪优化提供科学依据.