共查询到20条相似文献,搜索用时 203 毫秒
2.
针对GPS/INS组合导航系统中,由于量测噪声统计的不确定性导致平方根容积卡尔曼滤波器(SCKF)滤波精度下降甚至发散的问题,该文提出一种基于加权的自适应SCKF(WASCKF)方法。该方法首先利用移动开窗理论对SCKF新息的协方差阵进行最大似然估计,实现对测量噪声统计特性的在线调整;然后,利用加权理论,依据窗口内不同时刻信息的有用程度的不同而设置相应的权值,增强对窗口内有用信息的利用。最后,将WASCKF方法应用于GPS/INS组合导航系统中进行仿真验证,并与SCKF和ASCKF方法进行比较,结果表明,在测量噪声统计存在不确定情况下,该文所提出方法的速度误差和位置误差的均方根均小于SCKF和ASCKF方法,能够有效地提高GPS/INS组合导航系统对量测噪声统计不确定的自适应能力与导航性能。 相似文献
3.
《无线电工程》2016,(12)
为解决复杂路况下车载组合导航系统存在的卫星导航系统信号衰弱、断续导致信号观测性差和组合滤波器稳定性下降甚至发散等问题,采用了一种简化的、易于工程实际应用的车载自适应组合导航算法,利用数据检测方法对卫导原始观测数据进行评估,根据评估结果构造自适应滤波因子,实时更新滤波器量测噪声协方差阵,提高滤波器对观测信息变化的适应能力。通过实际动态跑车试验,表明这种简化的自适应组合导航算法在卫导信号断续情况下,仍能保证3 m(RMS)的定位精度、0.04 m/s(RMS)的测速精度,较常规Kalman滤波定位精度提高近30%,测速精度提高达70%,能满足城市、山区等恶劣场景下车载导航的需求。 相似文献
4.
5.
基于噪声估计和双加权的彩色图像矢量中值滤波 总被引:1,自引:0,他引:1
针对彩色图像椒盐噪声滤除中保护色彩和细节这个关键问题,提出了一种基于噪声估计和双加权的滤波新算法.噪声估计采用二级估计策略,第1级基于灰度最大、最小值进行粗估计,第2级采用加权方向算子进行精估计.对非噪声点保持像素灰度不变,对噪声点设计了空间和灰度双加权的矢量中值滤波算法(VMF).实验结果表明,新算法对低、中密度的彩... 相似文献
6.
唐述宏 《信息技术与信息化》2008,(3)
在系统参数不确切已知或随时间变化时传统卡尔曼滤波算法无法直接应用.本文给出了一种处理系统参数不确定性的区间卡尔曼滤波算法, 该算法将参数变化的系统建立成区间模型,并运用了一种较为简单的区间矩阵求逆方案.仿真验证了该算法在低成本MIMU/GPS组合导航数据融合中应用的可行性,在统计最优性能及迭代形式方面与标准卡尔曼滤波算法相当. 相似文献
7.
8.
为了尽可能滤除图像中的椒盐噪声同时改善图像视觉效果,将改进自适应加权均值滤波与小波域图像增强技术有机结合,提出了一种具有增强效果的图像滤波算法。该算法分为滤波和滤波后处理两个阶段。滤波阶段,对经典均值滤波分别从噪声检测策略、权值计算机方法噪声滤波模版设计等方面进行适当改进,给出了具体实现步骤;滤波后处理阶段,首先将滤波后图像进行三层小波分解;然后构造出一种小波图像增强模型,根据小波系数的幅度值将其分为三个部分,分别进行不同程度的拉伸处理;最后进行拉伸后小波系数重构。将该滤波算法与经典均值滤波,加权均值滤波、自适应加权中值滤波等性能比较,实验结果表明,本文滤波算法在噪声滤除和图像细节保持方面,效果较好。 相似文献
9.
10.
11.
模糊自适应估计器在INS/GPS组合导航中的应用研究 总被引:2,自引:0,他引:2
研究了一种模糊自适应神经网络状态估计器的工作原理及结构,并讨论了用其代替传统扩展卡尔曼滤波在导航参数估计中的实现方法。利用扩展卡尔曼滤波来构造模糊推理系统,通过神经网络对模糊推理系统进行训练,根据输入输出样本自动调整模糊系统的设计参数,从而实现对INS/GPS组合导航系统导航参数的最优估计。通过仿真验证表明,用模糊自适应状态估计方法进行导航系统的初始对准,能够大大提高系统的实时性。 相似文献
12.
提出一种针对直升机导航过程中风场干扰问题的航迹建模方法。该方法基于CV运动模型,用非线性状态方程准确描述了飞机的定高飞行过程。在该模型的基础上,根据UKF算法设计无迹卡尔曼滤波器,对包含风场噪声的航迹进行处理,用以提高航迹的估计精度。仿真结果表明,航迹估计结果精度较高,滤波效果显著,克服了由于扩展卡尔曼滤波类方法截断误差等因素导致精度下降的不足。此外,该滤波器计算速度快且易实现,具有较好的工程应用参考价值。 相似文献
13.
14.
15.
16.
17.
Cui Ningzhou Xie Weixin Yu Xiongnan Ma Yuanliang 《电子科学学刊(英文版)》1998,15(1):69-75
A multisensor distributed extended Kalman filtering algorithm is presented for nonlinear system, in which the dynamic equation of the system and the equations of sensor's measurements are linearized in the global estimate and global prediction respectively and the suboptimal global estimate based on all available information can be reconstructed from the estimates computed by local sensors based solely on their own local information and transmitted to the data fusion center. An analysis of the properties of the algorithm presented here shows that the global estimate has higher precision than the local one and smaller linearization error than the existing method. Finally, an application of the algorithm to radar/IR tracking of a maneuvering target is illustrated. Simulation results show the effectiveness of the algorithm. 相似文献
18.
19.
20.