无源定位跟踪中修正协方差扩展卡尔曼滤波算法

针对无源定位跟踪中EKF受初值、测量噪声影响大等缺点,该文提出了一种新的修正协方差扩展卡尔曼滤波方法(MVEKF),并将其与无源定位跟踪中常用的EKF,MGEKF,IEKF等滤波方法进行了仿真比较,表明该方法比EKF方法更具稳定性;而且无需寻找MGEKF方法中所需的观测量可修正函数,因而可以应用于其它领域的非线性滤波中.     

基于积分协方差矩阵的粒子滤波目标跟踪

仅利用单一特征的目标跟踪难以克服光照和目标形变等外部条件变化,给出一种基于协方差区域描述子的粒子滤波,协方差描述子可融合目标区域内的多种特征处理复杂背景下的目标跟踪问题,提高跟踪的鲁棒性;针对粒子滤波计算量大的问题,引入积分协方差矩阵计算,提高跟踪的实时性,对比实验表明新的跟踪算法比仅用单一特征跟踪鲁棒性更高,处理速度更快。     

基于状态噪声协方差矩阵自适应的一种卡尔曼滤波方法

卡尔曼滤波的稳定性问题是卡尔曼滤波器能否应用的关键。本文提出了一种通过设置大小状态噪声协方差矩阵Q,以及在滤波过程中自适应调整Q来提高滤波稳定性的方法。通过仿真结果可以看出,该方法提高了滤波收敛速度,减少了由于目标快机动而产生的丢跟踪的情况,同时能够在稳定跟踪时保证滤波精度,提高了目标跟踪的稳定性。     

基于协方差描述子的红外目标粒子滤波跟踪算法

针对传统协方差矩阵跟踪方法中不能捕获目标旋转变化的问题,提出了一种基于椭圆协方差矩阵的红外目标辅助粒子滤波跟踪方法.首先对矩形协方差矩阵进行扩展,构建了椭圆协方差矩阵描述子,能有效适应目标的尺度和旋转变化,有效提高了目标模型的分辨能力.进而采用改进的李群结构来进行距离度量.在贝叶斯跟踪框架下,采用辅助粒子滤波采样粒子,解决了粒子滤波采样时由于没有利用观测值而造成粒子不能完全覆盖在目标位置附近的问题,最终实现了红外目标的准确定位.实验结果表明该算法简单有效,能准确跟踪尺度和旋转变化的红外目标.     

一种改进的单站无源定位与跟踪算法

无源定位与跟踪技术有着广阔的应用前景。对于机动干扰源单站无源定位与跟踪，直角坐标系下一阶卡尔曼滤波算法容易发散，二阶卡尔曼滤波算法运算量大。针对这一不足，本文提出了在极坐标下建立状态方程和观测方程的卡尔曼滤波进行干扰源单站无源定位与跟踪。仿真实验结果表明了该算法的有效性。     

基于粒子滤波的单站无源定位跟踪新算法研究

针对单站无源定位跟踪系统非线性较强、传统跟踪滤波方法收敛速度、慢容易发散的问题,提出了一种新的跟踪滤波算法P-EKF。该方法采用粒子滤波的思想对目标实现初始的捕捉,然后通过扩展卡尔曼滤波方法对目标进行跟踪保持,提高了目标跟踪收敛速度和跟踪精度,而对计算资源的消耗有限。缩比仿真实验证明了该方法的可行性和有效性,具有较高的应用价值。     

基于UKF的单站无源定位算法

将一种适用于非线性系统的UKF应用于单站无源定位,并结合具体应用背景,对通常的UKF作了适当的改进。与推广卡尔曼滤波器(EKF)相比,UKF能更好解决量测模型非线性问题,滤波性能更好,而且UKF的计算量与EKF是同阶的。     

基于DOA的无源定位算法

该文在分析了伪线性扩展卡尔曼滤波中针对非线性观测方程线性化误差的产生原因以及对滤波影响的基础上,提出用n时刻的状态估计值代替一步预测状态值.由于n时刻的状态值中隐含着n时刻的测量值,因此比一步预测状态值更接近此时刻的真实状态矢量,从而将伪线性的观测方程在更接近真实状态值处泰勒展开将产生更小的线性化误差,通过这种处理从而提高了状态定位精度.最后通过计算机仿真证明了改进算法的有效性.     

慢速目标仅测角无源定位算法研究

为解决反辐射导弹对慢速运动目标定位精度的难点问题,建立了慢速目标的定位模型,推导了静止目标定位误差的克拉美罗下限(CRLB)。将仅测角条件下无机动单站对运动辐射源的不可观测问题转化为模型误差问题,从而实现对慢速目标仅测角无源定位。针对传统扩展卡尔曼滤波(EKF)算法定位精度低,过于依赖初始化条件的缺点,提出了基于距离-角度划分的网格搜索法(RA-GBF)。该方法在降低传统的GBF方法的计算量同时,定位性能优于EKF算法。仿真实验证明了方法的有效性。     

基于协方差旋转变换的目标跟踪算法

针对EKF对初值选取的敏感性和线性化误差较大等问题,根据目标初始距离可能分布,进行距离区间的分割,建立每区间所对应的滤波模型;利用协方差旋转变化原理,确定旋转变换的近似矩阵;分析这种近似处理的误差,提出基于协方差旋转变换的多模型滤波算法,采用蒙特卡罗方法进行了仿真计算。     

一种变换状态空间的稳定卡尔曼滤波算法

该文在分析了扩展卡尔曼滤波中两种线性化误差的产生原因及其对滤波影响的基础上,针对线性状态方程和非线性观测方程这一类系统,提出了采用一组新的状态量代替原来的状态量,使得观测方程为线性方程,从而避免了因为观测方程线性化导致的观测空间和状态空间的映射关系改变,提高了扩展卡尔曼滤波的稳定性和状态估计的精度。通过一个无源定位与跟踪的计算机仿真试验验证了这种方法的优点。     

结合扩展卡尔曼滤波的CamShift移动目标跟踪算法

CamShift算法是一种利用颜色信息对移动目标进行跟踪的算法,当目标快速运动或者受到干扰时容易导致跟踪失败.因此提出了一种结合CamShift与扩展卡尔曼滤波的移动目标跟踪算法,使用扩展卡尔曼滤波对目标运动速度和空间位置进行预测,同时采用目标加权直方图改进CamShift算法.所研究的算法能有效地克服目标背景干扰,存...     

基于粒子滤波和滑动平均扩展Kalman滤波的多径估计算法

多径干扰是高精度定位的主要误差源,估计多径参数对消除多径误差,提高导航系统定位精度具有重要意义。针对扩展Kalman滤波(EKF)在进行多径参数估计时,存在对初值敏感,估计结果在真值附近具有较大波动的缺点,该文提出一种基于粒子滤波(PF)和滑动平均EKF的多径估计算法。该算法首先利用PF得到多径参数的粗略估计值,并将该值作为EKF的初始估计值,以克服EKF对初值敏感的问题。接着对EKF的估计结果进行滑动平均,并将平均后的滤波结果作为多径参数的估计结果。仿真结果表明,改进后的多径估计算法可有效降低估计结果的波动幅度,同时解决了EKF对初值敏感的问题。     

基于扩展卡尔曼滤波的FLANN网络学习算法

针对函数连接型神经网络(FLANN)误差反传(BP)学习算法存在收敛速度慢和容易陷入局部极小值等问题,结合扩展卡尔曼滤波(EKF)理论,提出了一种基于扩展卡尔曼滤波的FLANN网络学习算法.新算法把网络的权值作为EKF的状态,网络的输出作为EKF的观测,通过扩展卡尔曼滤波算法来调整网络权系数从而获得最优网络状态,即网络权系数的最优估计.仿真结果表明,新算法比BP学习算法在收敛速度和稳态误差性能等方面都得到了大大提高.     

基于扩展卡尔曼滤波的动中通低成本姿态估计

针对动中通系统低成本姿态估计问题,提出了一种基于扩展卡尔曼滤波的姿态估计算法。该算法以四元数作为状态变量,通过融合陀螺、加速度计以及单基线GPS位置和速度信息估计载体的姿态信息。针对载体机动加速度的影响,通过单基线GPS提供的速度信息对载体的机动加速度进行初步补偿;当载体发生转弯时,利用侧滑角补偿法进一步校正。实验结果表明,该算法成功融合了陀螺的短时精确性、加速度计的长时稳定性和GPS精确的测速和定位功能,系统的动态估计精度在±0．5°内,满足了动中通的应用要求。     

A Floating-point Extended Kalman Filter Implementation for Autonomous Mobile Robots

Localization and Mapping are two of the most important capabilities for autonomous mobile robots and have been receiving considerable attention from the scientific computing community over the last 10 years. One of the most efficient methods to address these problems is based on the use of the Extended Kalman Filter (EKF). The EKF simultaneously estimates a model of the environment (map) and the position of the robot based on odometric and exteroceptive sensor information. As this algorithm demands a considerable amount of computation, it is usually executed on high end PCs coupled to the robot. In this work we present an FPGA-based architecture for the EKF algorithm that is capable of processing two-dimensional maps containing up to 1.8 k features at real time (14 Hz), a three-fold improvement over a Pentium M 1.6 GHz, and a 13-fold improvement over an ARM920T 200 MHz. The proposed architecture also consumes only 1.3% of the Pentium and 12.3% of the ARM energy per feature.

一种用于雷达量测的滤波算法

在雷达跟踪系统中,广泛使用混合坐标系下扩展卡尔曼滤波器（EKF）和转换卡尔曼滤波器（CMKF）两种算法,但是当目标距离较远时,这两种滤波器由于量测方程非线性的影响,误差较大,甚至导致滤波发射。本文计算了传统EKF滤波器引入的线性化误差,并在此基础上提出一种新的滤波算法（NDRKF）。计算机仿具结果表明,该算法减小了线性化误差的影响,较明显地改善了滤波顺的性能。     

自适应EKF在被动跟踪中的应用研究

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。     

一种精确协方差估计的转换量测卡尔曼滤波方法

传统转换量测卡尔曼滤波(CMKF)方法对误差协方差矩阵进行估计时,采用了线性近似的方式。当量测方位误差较大时,无法准确估计出协方差矩阵。针对该问题,提出了一种基于精确协方差估计的CMKF方法,可有效抑制方位误差对协方差估计的影响。仿真结果表明该方法可有效抑制量测方位误差的影响,提升目标跟踪的定位精度。     

基于Jerk模型和EKF的多基地雷达机动目标跟踪算法

针对多基地雷达系统对高机动目标的跟踪精度问题,提出了基于Jerk模型和扩展卡尔曼滤波(EKF)的机动目标跟踪算法.通过建立系统的离散状态方程和非线性观测方程,推导状态向量和误差协方差矩阵的初始化计算公式,给出EKF滤波的流程.利用Monte Carlo仿真,分析和比较了在变加速目标轨迹下Jerk与当前统计模型的跟踪效果,表明该算法具有对高机动目标实现准确自适应跟踪的能力.