共查询到20条相似文献,搜索用时 78 毫秒
1.
2.
3.
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。 相似文献
4.
基于协方差描述子的红外目标粒子滤波跟踪算法 总被引:1,自引:0,他引:1
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. 相似文献
5.
一种改进的单站无源定位与跟踪算法 总被引:8,自引:0,他引:8
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。 相似文献
6.
7.
基于UKF的单站无源定位算法 总被引:10,自引:6,他引:10
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。 相似文献
8.
9.
10.
11.
一种变换状态空间的稳定卡尔曼滤波算法 总被引:1,自引:0,他引:1
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。 相似文献
12.
13.
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。 相似文献
14.
15.
基于扩展卡尔曼滤波的动中通低成本姿态估计 总被引:1,自引:0,他引:1
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。 相似文献
16.
Vanderlei Bonato Eduardo Marques George A. Constantinides 《Journal of Signal Processing Systems》2009,56(1):41-50
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.
相似文献
Vanderlei BonatoEmail: |
17.
18.
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
19.