共查询到18条相似文献,搜索用时 62 毫秒
1.
因GPS技术在楼群密集的城市不能单独完成定位,文中采用GPS/DTMB组合导航新方案,又针对传统二维机动模型的不足,研究三维下的平面变速转弯模型,并作为运动目标的机动模型,同时仿真对比分析不同粒子数目下的粒子滤波算法(PF)跟踪效果,结果表明,200个粒子的误差均值为4.590 6 m,400个粒子误差均值为2.377 6 m,滤波后的轨迹与真实轨迹基本重合,定位跟踪效果好,且粒子数目越多,误差均值、标准差、方差越小,即定位跟踪精度越高。证明了GPS/DTMB组合导航新方案的可行性。 相似文献
2.
3.
针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明:在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。 相似文献
4.
针对静电探测的数学模型结构复杂、强非线性以及实验测量数据存在极大不确定性的特点和传统粒子滤波(PF)算法存在的缺陷,提出了一种改进的粒子滤波(UPF)算法。该算法以无迹卡尔曼滤波(UKF)算法生成替代分布并从中采样,理论分析与仿真结果均表明,UPF算法能够提高静电探测系统目标跟踪的稳定性和精确性,解决了传统PF算法中以转换先验密度函数作为替代分布所引发的各种问题,具有较高的实用价值和广泛的应用前景。 相似文献
5.
6.
在普通粒子滤波器中,基于先验概率的重要性密度不能容纳最新测量信息,导致跟踪精度难以提高。针对该问题,给出一种基于平方根卡尔曼滤波(SRUKF)的新型粒子滤波算法(SRUPF)。该算法以普通粒子滤波器(PF)为基础,运用SRUKF生成重要性密度。与运用先验知识生成重要性密度的普通粒子滤波器不同,SRUPF的重要性密度中包含了最新的观测信息,从而能够更好地逼迫状态变量的分布规律。此外,由于SRUPF在计算重要性密度时不需要在每一个迭代步骤都对状态协方差阵进行分解,因而SRUPF比PF具有更好的数值稳定性。在非线性测角跟踪问题中的应用表明:SRUPF滤波器的跟踪精度优于PF和SRUKF。 相似文献
7.
8.
9.
10.
11.
12.
为解决移动机器人扩展卡尔曼滤波(EKF-SLAM)算法计算复杂、精确度不高及易受干扰的缺点,提出一
种基于最优平滑滤波理论的改进同步定位与地图构建(simultaneous localization and mapping,SLAM)算法。详细介绍
算法的改进过程,通过Matlab 软件对其位置轨迹跟踪误差及标准差进行仿真分析,基于机器人操作系统(robot
operating system,ROS)系统的实验平台,在室内走廊进行SLAM 实验以测试改进算法的效果。结果表明,改进的
SLAM 算法精度高、抗干扰能力强,能实现移动机器人的即时定位与地图构建。基于ROS 系统的软件平台能简化开
发难度,提升移动机器人的智能化。 相似文献
13.
14.
15.
16.
17.