共查询到18条相似文献,搜索用时 62 毫秒
1.
对于噪声统计信息等不确定的动态系统的状态估计问题,人们提出了多种符合实际应用要求的递推算法,其中推广的遗忘因子递推最小二乘(EFRLS)和H∞滤波是两种有效估计的方法。对这两种估计的性能进行了比较,用计算机模拟实例说明了EFRLS方法在多种性能指标下较H∞滤波更优,为实际应用提供了有益的指导。 相似文献
2.
3.
4.
5.
6.
"当前统计模型"滤波算法中采用上一帧的加速度来预测当前时刻的目标位置,当目标做变加速度运动时,预测值不能反应本帧的加速度变化,目标跟踪精度难以保证.针对这个问题,本文提出了一种最小二乘和Kalman的联合滤波算法,在自适应Kalman滤波前,采用最小二乘算法对当前数据进行拟合,用拟合的位置、速度和加速度作为目标的预测位置送入Kalman滤波器进行滤波处理,克服了"当前统计模型"滤波中存在的问题,提高了跟踪精度. 相似文献
7.
为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。 相似文献
8.
9.
受到强干扰影响的小信号通常难于有效检测。在分析递推最小二乘算法(RLS)原理及其几种改进形式的基础上,采用自适应方法将已检测出的大信号与原混叠信号对消,降低大信号对小信号的遮蔽作用,再进行小信号的检测。最后通过仿真证明,该方法能够在较小失真的情况下,有效检测出被大调幅信号干扰下的小调频信号;同时分别比较了各种算法的优劣,得出基于可变遗忘因子的RLS(VFF-RLS)算法不仅具有较快的收敛速度,而且收敛之后具有很好的平稳性能。 相似文献
10.
11.
针对在复杂环境下基于卡尔曼滤波的雷达目标跟踪中存在的鲁棒性和自适应性较差的问题,研究了一种新的雷达目标自适应鲁棒跟踪算法;通过引入自适应渐消因子,对估计误差协方差和滤波增益矩阵进行在线自适应调整,从而使得滤波算法具备良好的鲁棒性和自适应性,提高雷达目标跟踪的精度。最后,通过仿真对所研究的方法进行了验证。 相似文献
12.
13.
14.
Lennart Ljung 《Circuits, Systems, and Signal Processing》2002,21(1):57-68
Mechanisms for adapting models, filters, decisions, regulators, and so on to changing properties of a system or a signal are of fundamental importance in many modern signal processing and control algorithms. This contribution describes a basic foundation for developing and analyzing such algorithms. Special attention is paid to the rationale behind the different algorithms, thus distinguishing between optimal algorithms and ad hoc algorithms. We also outline the basic approaches to performance analysis of adaptive algorithms. 相似文献
15.
一种基于卡尔曼滤波的运动目标跟踪方法 总被引:1,自引:0,他引:1
运动目标信息探测大量地体现在现实生活以及军事应用中,准确地跟踪并定位运动目标对于国防技术发展具有很大的现实意义和实际价值。以运动物体为目标,提出了采用自适应波门跟踪与卡尔曼滤波算法相结合的技术,有效地跟踪目标并将预测结果与其实际运动轨迹比较,取其误差均值、标准差值,用以证实卡尔曼滤波跟踪目标的有效性。 相似文献
16.
针对被动跟踪中常见的滤波发散、收敛速度慢和跟踪精度低等问题,研究了一种非线性系统的自适应推广卡尔曼滤波算法。该算法能够在线估计噪声的统计特性,动态补偿模型线性化误差,消减系统的观测误差。对其滤波理论及算法进行了研究与仿真,结果证实该算法提高了滤波的稳定性、快速性和精确性,优于一般的扩展卡尔曼滤波算法。 相似文献
17.
针对组合导航系统中观测噪声特性复杂多变、难于准确估计的问题,基于不同测量系统的测量互补特性,提出了针对单次历元的观测噪声特性动态估计方法。在此基础上,以预设滤波精度为指标,提出了通过构造自适应因子对估计观测噪声进行适当调节的自适应卡尔曼滤波算法。该算法通过构造相对测量关系,避免了直接对测量噪声真值求解的难题,并且在滤波过程中采用序贯处理方法进行实时解算,有效降低了计算量。在GPS/DR实际系统中的应用结果表明,同改进的sage-husa算法及MAKF算法相比,基于R阵动态估计的自适应滤波算法能够自适应地跟踪GPS测量噪声特性的变化,定位结果光滑可靠,具有明显的优越性。 相似文献
18.
现有的自适应陷波滤波器(ANF)受误差函数所限,导致其自适应频率估计方法收敛速度较慢,对初始迭代频率值设定范围要求较高,特别针对频率接近于0或π的信号,还存在频率估计精度不高、算法稳定性差的问题,为此,提出一种ANF频率估计新方法.首先,分析现有ANF方法估计信号频率时存在精度低、速度慢、稳定性差的原因,提出一种新误差函数以提升ANF收敛速度;然后,根据ANF估计信号频率时偏差产生的机理,通过偏差补偿方式,降低噪声对ANF的影响,以获得近似无偏的频率估计结果,提高ANF频率估计精度,同时与离散卡尔曼滤波相结合,以改善算法的稳定性,并对该方法进行稳态条件下的性能分析;最后,给出了ANF频率估计结果,并讨论了ANF各参数对频率估计精度的影响,给出了具体计算结果.计算表明本文方法的有效性与正确性. 相似文献