共查询到18条相似文献,搜索用时 78 毫秒
1.
2.
探讨了TMA(目标运动分析)中基本的非线性估计问题,介绍了基于无味变换(Unscented Transformation—UT)的无味卡尔曼滤波(Unscemed Kalman Filtering—UKF)算法的设计思想与具体实现,特别针对空对海单站只测方位与到达时间TMA(BTO—TMA)问题应用UKF和EKF(扩展卡尔曼滤波)进行了对照研究,建立了问题的离散非线性滤波估计模型,设计了典型的应用场景,给出了初值有偏和无偏两种情形下的Monte Carlo仿真运行结果;表明UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性。 相似文献
3.
4.
针对使用扩展卡尔曼算法(extended Kalman filter,EKF)对复杂非线性状态估计时收敛速度慢、估计精度低的问题,提出一种平方根容积滤波算法(square root cubature Kalman filter,SRCKF)。SRCKF使用基于容积原则的数值积分方法直接计算非线性随机函数的均值和方差。该算法实现时只需计算函数值,避免了求导运算,降低了计算复杂度。且该算法传播了状态协方差的平方根,确保了协方差矩阵的对称性和半正定性,改进了数值精度和稳定性。把平方根容积卡尔曼滤波算法(SRCKF)应用到未知弹道系数的再入弹道目标的状态进行估计中。Monte Carlo数值仿真表明,平方根容积滤波算法大大降低了未知弹道系数的再入弹道目标的状态估计误差,提高估计精度,且运行速度较快。 相似文献
5.
6.
《兵工学报》2015,(Z2)
无人水下航行器(UUV)进入匹配区时捷联惯导系统(SINS)已积累了一定的误差,采用适当的信息融合策略对误差进行估计和补偿,可提高后续航行精度。通常认为,当系统噪声与量测噪声为加性时,是否将噪声扩展为状态量并不影响无味卡尔曼滤波(UKF)算法性能。针对这种观点,利用变尺度对称集无味变换,在复杂加性噪声模型下,推导并证明了两者的差异,说明了上述观点的不全面性。通过建立水下地形匹配辅助导航系统非线性误差模型,基于扩展状态UKF算法设计了误差估计滤波器,仿真研究其估计效果,并与非扩展状态UKF算法进行对比研究。结果表明,状态扩展有利于提高UKF算法性能,从而证明了理论分析的正确性。 相似文献
7.
8.
建立了空空导弹攻击飞机目标的简化数学模型,在这个模型的基础上,列出系统的状态方程,测量方程,推导出最佳导引律和卡尔曼滤波算法,并进行了数学仿真,得到了满意的结果。 相似文献
9.
针对无人机航迹自动控制系统的精度问题,提出了一种基于扩展卡尔曼滤波技术的改善无人机航迹自动控制系统的方法。对地面测量系统测得的数据进行扩展卡尔曼滤波处理可以减小因测距和测角误差对无人机航迹自动控制系统的影响,得到无人机状态的最佳估计。仿真结果表明,扩展卡尔曼滤波技术能够有效提高无人机航迹控制系统的控制精度。 相似文献
10.
为提高被动声定位系统的定位精度,本文提出了一种基于圆阵测量的扩展卡尔曼滤波算法,该算法首先对时延测量值进行预处理,以预处理直接作为卡尔曼滤波器测量方程的输入量,并利用台劳级数对非线性测量方程进行线性化。数值计算和仿真结果表明,该算法是较好的滤波、跟踪效果。 相似文献
11.
在普通粒子滤波器中,基于先验概率的重要性密度不能容纳最新测量信息,导致跟踪精度难以提高。针对该问题,给出一种基于平方根卡尔曼滤波(SRUKF)的新型粒子滤波算法(SRUPF)。该算法以普通粒子滤波器(PF)为基础,运用SRUKF生成重要性密度。与运用先验知识生成重要性密度的普通粒子滤波器不同,SRUPF的重要性密度中包含了最新的观测信息,从而能够更好地逼迫状态变量的分布规律。此外,由于SRUPF在计算重要性密度时不需要在每一个迭代步骤都对状态协方差阵进行分解,因而SRUPF比PF具有更好的数值稳定性。在非线性测角跟踪问题中的应用表明:SRUPF滤波器的跟踪精度优于PF和SRUKF。 相似文献
12.
13.
针对弹道模型误差、参数估计误差以及外推距离过长导致定位精度低的问题,建立了基于七维状 态向量的反向无迹卡尔曼滤波外推算法。为精确建立状态模型,该算法将弹道系数作为状态参量,纳入滤波过程。采用无迹卡尔曼滤波算法,以提高非线性估计精度。此外,由于正向滤波外推距离长,模型误差积累大,该算法采用反向滤波处理,将雷达测得的首点作为滤波终点,通过4阶龙格-库塔方程外推炮位。仿真结果表明,该算法定位精度相较原算法提高约50%. 相似文献
14.
15.
以全球定位系统(GPS)作为弹载测量系统的弹道射程修正弹,存在GPS动态数据易受测量噪声与系统噪声污染或在高过载环境中发生定位丢失、数据异常等问题。为了降低弹道数据测量误差,并减小对射程修正时刻预测的误差,提出了基于牛顿插值法的改进无迹卡尔曼滤波(UKF)算法,以重新估计具有粗大误差的测量数据,从而降低异常测量值和定位失锁情况对滤波效果的影响,提高UKF算法对测量数据误差的敏感程度。仿真与试验结果表明:改进的UKF算法作为预处理过程融合至射程修正算法中,当系统离散化步长与GPS数据更新周期相等时,可最大化地预处理算法效果;改进后的修正算法可有效地降低GPS数据造成的修正误差;预处理算法中数据样本容量的选择与修正时刻以及GPS更新周期相关,不受算法效果约束。 相似文献
16.
机动目标跟踪的自适应卡尔曼滤波算法实现 总被引:1,自引:0,他引:1
为真实反映目标机动范围与强度的变化,引入了机动目标的“当前”统计模型,提出了一种基于该模型的自适应卡尔曼滤波算法.仿真结果表明,能有效改善在机动目标跟踪中传统的卡尔曼滤波可能出现的发散情况,提高了跟踪的准确性和稳定性. 相似文献
17.
18.
摘要:为解决快速同步定位与地图构建算法因粒子退化导致SLAM(simultaneous location and mapping)估计精度
不佳的问题,提出一种融合渐消自适应无迹粒子滤波与高斯分布重采样的FastSLAM 算法。通过融合渐消滤波和无
迹粒子滤波,产生一种自适应提议分布,利用高斯分布对高权重粒子进行分散得到新粒子。建立机器人运动模型和
观测模型,并在仿真环境中进行性能验证。仿真结果表明:该算法能有效地缓解粒子退化,增加系统稳定性,提高
SLAM 估计精度。 相似文献