共查询到17条相似文献,搜索用时 250 毫秒
1.
2.
针对非线性非高斯的目标跟踪,传统的卡尔曼滤波和扩展卡尔曼滤波等算法将会出现滤波精度下降甚至发散的现象,提出了采用粒子滤波算法来解决非线性滤波问题;粒子滤波方法作为一种基于贝叶斯估计的非线性滤波算法,在处理非高斯非线性时变系统的参数估计和状态滤波问题方面有独到的优势,但是存在运算量大和实时性差的问题,因此提出了基于EKF的扩展粒子滤波;仿真结果表明:在强非线性非高斯环境下,PF算法的跟踪性能优于EKF算法,基于EKF的扩展粒子滤波能够取得较好的跟踪精度,并且能够有效的减少粒子滤波的运算量。 相似文献
3.
自适应滤波是在系统建模、参数估计和轨道重构中抑制Kalman滤波发散问题的最有效方法之一。然而在实际工程中,因原始数据质量问题,自适应滤波同样存在收敛速度慢甚至于建波发散问题。提出了对增益矩阵修正的改进型自适应滤波算法,有效地克服了滤波发散问题。仿真结果证明,本方法是可靠有效的方法。 相似文献
4.
针对混沌回波难以采用传统频率滤波降噪的问题,将拓扑匹配滤波方法用于混沌回波处理。该方法利用了重构相平面轨迹与原始时间序列拓扑等价的原理,依靠回波信号相平面轨道已知这一先验知识,在相平面上进行匹配滤波,使受噪声污染的回波信号相平面轨迹与原始轨道趋于一致,从而将混沌信号提取出来,并采用栅格搜索对具体算法进行了优化。仿真结果表明,该方法在信噪比下降到0 dB仍有较好的滤波效果,针对随机噪声、混沌噪声和实际海洋环境噪声3种情况下的降噪处理都是适用的。这种方法可以实现2种宽带信号的分离,能有效地对混沌回波信号进行降噪。 相似文献
5.
本文提出一种基于神经网络理论的、适用于同时解决复杂天线随动系统控制问题及跟踪滤波问题的系统结构模式。该系统结构的基础是一种拓展的自适应线性神经元,天线随动系统的内环路控制器和外环路滤波器(兼有系统调节功能)都是以该神经元为核心构成的。以一种雷达导引头角伺服系统为应用背景的数字仿真试验和实际测试的结果表明,本文提出的方法对存在系统参数不易准确定及非线性因素不易定量描述的天线随动系统的控制及滤波问题都 相似文献
6.
基于末端弹道小机动、平稳特点,采用质点弹道模型描述目标的运动,结合非线性不敏卡尔曼滤波算法(Unscented Kalman Filter,UKF)对雷达量测数据进行滤波及弹道参数估计。根据现实需要,由某一时刻滤波得到的目标位置、速度和弹道系数进行外推计算。计算结果表明,对于飞行马赫数为1~3的来袭目标,外推2s目标空间位置绝对误差可以稳定控制在10m左右。考虑到雷达对目标的径向速度测量数据较为精确的特点,提出了一种基于最小二乘拟合和充分利用径向速度数据的计算方法,确定了目标外推初始边界条件。计算过程和结果表明,该方法具有更快的计算速度和更好的计算精度。 相似文献
7.
8.
针对主动段脉冲雷达测量数据的特点,应用样条滤波方法建立了弹道导弹主动段上的运动模型,并对Kalman滤波中截断误差的方差用自适应滤波方法给出估计,抑制了滤波的发散,提出了一种自适应样条Kalman滤波算法。 相似文献
9.
10.
11.
针对复杂环境中组合导航系统模型参数变化导致单一参数滤波器滤波精度下降的问题,对基于交互式多模型的多传感器组合导航系统进行研究。给出状态基于全局信息的融合估计公式,将交互式多模型卡尔曼滤波算法应用于SST/GPS/SINS多传感器组合导航系统,并与单一模型下的卡尔曼滤波方法进行比较。仿真实验结果表明,该方法能提高组合导航系统的滤波精度与可靠性,但当实际的模型集不能覆盖实际的所有模态时,系统的滤波精度会有所下降。 相似文献
12.
SR-CDKF在组合导航直接法滤波中的应用 总被引:1,自引:0,他引:1
为了解决SINS/GPS组合导航系统姿态、速度和位置等导航参数的非线性估计问题,提出了一种基于平方根中心差分卡尔曼滤波(SR-CDKF)的直接式滤波估计方法。系统状态方程选取惯导力学编排方程,系统状态向量和观测向量分别选取SINS导航参数和GPS输出参数,构建了SR-CDKF滤波器。该滤波器可以使导航参数动态过程得到直接反映,并使得直接式滤波计算流程得以实现。以MATLAB中areoblk_HL20模块为基础构建了仿真系统并进行了仿真。仿真结果表明,该算法具有较高的滤波精度、良好的滤波收敛性和稳定性,能使非线性模型下SINS/GPS组合导航系统的导航要求得到满足。 相似文献
13.
文中设计了一种新的基于ARMA模型自校正卡尔曼滤波器,从而避免了经典卡尔曼滤波器需要精确知道系统的模型参数和噪声统计特性的缺点。仿真结果表明,在未知部分模型参数和噪声统计特性的情况下,自校正卡尔曼滤波器的滤波性能.非常接近稳态最优卡尔曼滤波器。且计算过程简单.并可以在线建模.适用于部分慢时变系统。 相似文献
14.
15.
一种光电跟踪平台共轴控制的目标运动滤波方法 总被引:1,自引:0,他引:1
目标运动估计是光电跟踪平台实现共轴控制的核心。针对目标运动的滤波精度问题,提出了基于灰色预测模型和卡尔曼理论的目标运动融合滤波方法。利用少量前几个时刻的目标运动数据实时在线建立灰色预测模型,替代标准卡尔曼滤波的目标状态预测方程,避免了需要预先假定目标运动数学模型而引起滤波误差的弊端。进一步对灰色模型预测值和融合滤波估计值的残差序列,构建残差在线预估模型;利用残差预测值对灰色预测模型进行实时修正,有效地提高了灰色模型的预测精度,改善了融合滤波的效果。仿真实验验证了灰色模型在目标运动预测中的有效性。实验结果表明:残差修正策略将灰色模型预测精度提高了60%;与其他滤波方法相比,提出的融合滤波方法具有更好的滤波效果及更准确的目标运动估计。 相似文献
16.
传统的基于线性滤波的误差估计方法常采用基于咖角法的捷联惯导系统(SINS)线性误差模型,但当姿态误差角较大时,估计效果不稳定且精度较差。为此,提出了基于无迹卡尔曼滤波(UKF)的误差估计方法。通过建立水下地形匹配辅助导航系统非线性误差模型,以地形匹配和深度压力传感器测量的位置信息和深度作为量测量,设计了扩展状态UKF滤波器,在大姿态误差角下仿真研究了其估计效果。结果表明,在大姿态误差角下,本文所提出的方法可行且具有较好的估计效果,为匹配区内修正捷联惯导系统导航误差提供了参考。 相似文献