汽车ABS轮速传感器信号处理芯片的设计

基于2μm 40 V 双极工艺,设计了一种汽车ABS轮速传感器信号处理芯片.整体电路结构新颖实用,其中针对使用环境,对带隙基准电压源、多级放大滤波电路及整形比较电路等,给予了特殊考虑.利用Cadence Spectre仿真工具,对电路进行仿真,并给出版图及芯片测试数据.结果表明,设计的芯片性能稳定可靠,抗干扰能力强,达到国际车载电子的标准.     

汽车制动强度智能显示装置与展望

针对现有汽车制动灯不显示制动强度的缺点,设计汽车制动强度智能显示装置。采集制动强度时,采用两种不同的设计方案:一种用MMA1260D采集制动时的减速度;一种采用ABS自带的轮速传感器采集制动时的轮速变化,并且推算出汽车车身减速度。单片机通过控制发光二极管发光的个数智能显示制动强度,以此警示后面的驾驶人,降低交通事故发生率。     

五阶容积卡尔曼滤波算法及其应用

容积卡尔曼滤波(CKF)是一种新型的非线性滤波方法,可获得优于扩展卡尔曼滤波(EKF)和无迹卡尔曼滤波(UKF)的滤波精度和滤波效率.但是,传统的CKF基于三阶容积准则而提出,因此滤波精度受到限制,为进一步提高CKF滤波性能,文中将容积准则由三阶扩展到五阶,采用两种不同容积点集选择方案,提出一种新型的五阶CKF算法.该算法可有效改善传统CKF在精度方面的理论局限,并有效改善一般五阶CKF计算量大的问题.机动目标跟踪仿真结果表明了新方法的有效性和可行性.     

基于改进的扩展卡尔曼滤波在GPS测速中的应用

汽车电子控制系统对动态测速提出较高的要求,使用位差法和扩展卡尔曼滤波融合算法用于GPS测速比GPS位置差分测速方法具有更高的精度,但在汽车快速转弯时误差较大。为此通过有限差分运算获取滤波验前、验后误差协方差矩阵,增强滤波过程的收敛性,再以有限差分扩展卡尔曼滤波算法对汽车实时位置进行运算以获取实时车速。实验结果表明,相比扩展卡尔曼滤波GPS测速方法,该文算法具有更高的测速精度。     

衰减记忆无迹卡尔曼粒子滤波算法研究

无迹卡尔曼粒子滤波算法作为典型的粒子滤波改进算法,有效提高了滤波精度.但旧的数据影响过大,导致滤波发散,借鉴衰减记忆无迹卡尔曼滤波算法的思想,通过引进衰减因子实现对当前测量数据利用的加强,减小历史数据对滤波结果的影响,提出了一种基于衰减记忆无迹卡尔曼滤波的粒子滤波算法.仿真实验表明,算法能够提供优于传统无迹卡尔曼滤波算法的跟踪精度.     

自适应卡尔曼滤波在INS／TAN／GPS中的应用

介绍一种系统噪声统计特性未知时的逢适应卡尔曼滤波方法,并运用这种滤波方法对INS／TAN／GPS组合导航系统进行了仿真,仿真结果表明用这种方法的滤波结果与系统的噪声统计特性已知时的卡尔曼滤波结果具有非常接近的估计精度,不失为一种有效的滤波方法。     

基于XC164的六通道ABS开发板设计

汽车防抱制动系统(ABS)的电子控制单元(ECU)是ABS的最重要部件之一.为模拟ABS的实际工作过程,制作了具有六通道电子控制单元的ABS开发板,包括单片机、电磁阀驱动、电机驱动、电源模块、轮速处理等模块等.该系统很好的模拟了ABS的工作过程,为验证控制软件提供了方便,缩短了开发周期.     

扩展容积卡尔曼滤波-卡尔曼滤波组合算法

传统单一线性或非线性滤波方法往往难以获得最优线性/非线性混合动态系统状态估计,针对这一问题,结合卡尔曼滤波（KF）方法可获得线性状态估计最优解、计算量小等优势,提出了一种基于KF和扩展容积卡尔曼滤波（A-CKF）的组合滤波方法。该方法将系统状态分解为线性状态与非线性状态两部分,分别采用KF和简化两次扩展容积卡尔曼滤波（STA-CKF）方法进行系统状态估计。机动目标跟踪和捷联惯性导航系统非线性对准仿真结果表明,相比于Rao-Blackwellized粒子滤波方法,新方法在保证滤波精度的前提下,使得计算成本有效降低;相比于STA-CKF方法,新方法在滤波精度和滤波实时性方面均得到明显提高。     

基于多相滤波原理的数字正交采样技术

针对传统正交采样方法存在运算数据量大,镜频抑制比小及硬件实现资源消耗大等方面的不足,分析了一种基于多相滤波结构的数字正交采样方法.首先对多相滤波法实现数字正交变换的原理进行了分析,然后根据多速率信号处理理论推导并给出了基于多相滤波结构的子滤波器的实现方法,最后,通过仿真验证了该方法的有效性.实验结果表明该方法较之传统的低通滤波法有很大的优越性.     

平方根容积卡尔曼滤波在角测量跟踪中的应用

为解决扩展卡尔曼滤波算法(EKF)在处理角测量跟踪问题时对复杂非线性状态估计收敛速度慢、估计精度低的问题,引入一种平方根容积卡尔曼滤波算法(SRCKF)。SRCKF是一类sigma点滤波方法,基于容积原则的数值积分方法计算非线性随机函数的均值与协方差,避免了EKF中Jacobian矩阵的计算,有效提高了计算效率。另外,与一般容积卡尔曼滤波算法相比,SRCKF确保了状态协方差矩阵的对称性与半正定性,有效改进了数值精度和鲁棒性。将SRCKF应用于角测量跟踪系统中,仿真结果表明,SRCKF、Unscented卡尔曼滤波(UKF)滤波精度较传统EKF有较大提高,同时,与UKF相比,SRCKF能以较快的运行效率获得较好的滤波效果。     

提取相位差变化率的一种新方法

传统的卡尔曼滤波算法提取相位差变化率时,要求相位差数据呈线性变化或近似线性变化,而这一条件往往不容易得到满足。针对以往利用相位差变化率进行单站无源定位的定位精度不高的问题,提出一种差分—卡尔曼滤波方法,综合了差分处理方法和卡尔曼滤波处理方法的全部优点,解决了卡尔曼滤波提取方法限制条件强的问题以及差分处理方法提取精度低的问题。通过仿真试验表明,差分—卡尔曼滤波方法滤波精度比差分方法高很多,比卡尔曼滤波方法适用范围更广,应用性更强。     

一种改进的二维卡尔曼窗滤波方法及其在图象恢复中的应用

本文给出了一种改进的二维卡尔曼窗滤波方法,该方法比标量或向量二维卡尔曼滤波方法有更快的计算速度和需要更小的内存容量,在图象模型选取方面也对Dikshit给出的移动窗法进行了改进,从而使所给滤波方法适用于被更广泛因素模糊的图象之恢复。所给方法特别适于在微型机上实现。文后给出用所给方法进行图象恢复的一个实例。     

随机噪声雷达的脉冲压缩方法研究

文中针对传统的匹配滤波算法在进行脉冲压缩时存在的高距离旁瓣问题,提出了将卡尔曼滤波法和Pisarenko法应用于随机噪声雷达的脉冲压缩。在建立随机噪声雷达系统模型的基础上,详细论述了卡尔曼滤波法和Pisarenko法在该系统脉冲压缩中的实现方法。通过仿真试验对这两种方法的脉冲压缩性能进行了对比分析。结果表明,卡尔曼滤波法和Pisarenko法都能够在不牺牲分辨率的基础上有效地改善随机噪声雷达的脉冲压缩性能,降低脉冲压缩的     

粒子滤波及其改进算法的比较

针对非线性、非高斯问题,建立了动态状态空间模型,详细分析了贝叶斯滤波的原理。对于满足线性和高斯的状态空间模型,卡尔曼滤波性能是最优的。但是,真实世界的非线性、非高斯问题存在,使得人们不得不寻找一种更好的滤波方法。解决非线性滤波问题最普遍的方法就是扩展卡尔曼滤波。但扩展卡尔曼滤波只适合弱非线性系统,对于强非线性系统,容易导致滤波发散。因而介绍了适用于强非线性、无高斯约束的基于序列蒙特卡罗算法的粒子滤波波器及其改进算法规则化粒子滤波器。最后对上述几种滤波器进行了性能仿真及分析。     

基于弦线法的去导迭代扩展卡尔曼滤波器

由于需要求解观测方程的Jacobian矩阵,迭代扩展卡尔曼滤波的应用受到了一定的限制。从迭代扩展卡尔曼滤波的高斯－牛顿法推导过程出发,将弦线法引入迭代扩展卡尔曼滤波,得到了一种去导迭代扩展卡尔曼滤波算法。新的滤波算法在观测迭代时,用两点间的割线斜率矩阵代替Jacobian矩阵,应用范围也更为广泛。实例仿真实验表明,新滤波方法的精度优于扩展卡尔曼滤波和无敏卡尔曼滤波,略优于迭代扩展卡尔曼滤波。     

基于弦线法的去导迭代扩展卡尔曼滤波器

由于需要求解观测方程的Jacobian矩阵,迭代扩展卡尔曼滤波的应用受到了一定的限制。从迭代扩展卡尔曼滤波的高斯-牛顿法推导过程出发,将弦线法引入迭代扩展卡尔曼滤波,得到了一种去导迭代扩展卡尔曼滤波算法。新的滤波算法在观测迭代时,用两点间的割线斜率矩阵代替Jacobian矩阵,应用范围也更为广泛。实例仿真实验表明,新滤波方法的精度优于扩展卡尔曼滤波和无敏卡尔曼滤波,略优于迭代扩展卡尔曼滤波。     

基于粒子滤波的红外目标跟踪新算法

粒子滤波是一种在非线性和非高斯情形下进行状态估计的有效方法。提出一种基于粒子滤波的红外目标跟踪的新算法。阐述了粒子滤波算法的原理,将粒子滤波引入到红外目标跟踪中。考虑到传统的粒子滤波跟踪算法存在计算量大,误码多的缺点,对传统算法进行了改进。对采样粒子进行优化选择,改进了重采样环节。实验结果表明,改进算法较传统粒子滤波算法能更准确,更有效的跟踪红外目标。     

基于随机积分的非线性滤波跟踪算法

针对雷达系统的非线性目标跟踪存在精度低、滤波易发散等问题,提出一种新的非线性滤波算法——随机球面径向积分滤波算法(SSIF)。该滤波算法基于随机积分准则,利用随机球面积分准则和随机径向积分准则来近似函数积分。所提的滤波算法和传统的非线性滤波算法,例如扩展卡尔曼滤波、不敏卡尔曼滤波和容积卡尔曼滤波等相比在计算复杂度相当的情况下,不仅可以消除系统误差具有更高的跟踪精度,而且可以防止滤波发散提高滤波稳定度。通过蒙特卡洛仿真实验表明,所提出的非线性滤波算法整体性能明显优于传统的滤波算法。     

正逆向滤波在惯性卫星组合导航中的应用

为满足高性能惯性/全球卫星导航系统(GPS)组合导航的要求,进一步提高卡尔曼滤波算法在组合导航定位中的解算精度,考虑利用逆向数据处理和加权平滑的融合算法,提出一种正逆向融合的卡尔曼滤波算法应用于惯性/GPS的松组合导航中。分析了正逆向融合的卡尔曼滤波算法的解算方法,并与普通正向卡尔曼滤波算法做出比较。实验部分采用车载传感器采集的实测数据,通过对两种方法解算结果的误差分析,表明了正逆向融合的滤波算法在定位精度方面优于传统正向滤波算法。     

无迹卡尔曼滤波算法在目标跟踪中的研究

无迹卡尔曼滤波(UKF)是重要的非线性滤波方法。无迹卡尔曼滤波方法是通过一组代表着均值和方差分布的采样点来对非线性系统进行非线性计算,在不对非线性方程线性近似的条件下,达到线性卡尔曼滤波器的滤波性能。文中在机动目标选定运动模型和滤波算法的基础上,对机动目标的运动作了仿真实验。从仿真分析中可以看出,无迹卡尔曼滤波在跟踪方面有很高的精度,与传统的扩展卡尔曼滤波算法相比较,无迹卡尔曼滤波算法有较小的跟踪误差。