基于改进粒子滤波的传感器网络目标跟踪研究

在分析粒子滤波算法(PF)的基础上研究了一种改进的粒子滤波算法-无迹粒子滤波算法(UPF).UPF算法使用无迹卡尔曼滤波(UKF)算法产生重要密度函数.动态组织传感器网络节点成簇,将UPF算法和PF算法应用于无线传感器网络(WSNs)的目标跟踪,实现了对网络中做匀速直线运动的单个目标的跟踪.最后将UPF算法与PF算法进行比较.仿真结果表明,改进算法UPF滤波提高了粒子利用效率,精度更高,跟踪性能更好.     

GPS/DR车辆组合导航改进的粒子滤波算法研究

粒子滤波是一种基于Monte Carlo仿真的最优回归贝叶斯滤波算法,在组合导航系统的观测精度较低时能获得较好的滤波效果,但在观测精度较高时,不但可能导致滤波发散,而且存在重要性分布函数难以选取,出现粒子退化的现象。为了克服这些缺点,文章研究GPS/DR车辆组合导航改进的粒子滤波算法,提出了基于改进粒子滤波算法的GPS/DR车辆组合导航信息融合技术。采用马尔科夫链蒙特卡洛(MCMC)移动方法,移动粒子样本到状态空间中的新位置,既保证了移动后的粒子样本和实际概率函数同分布,又防止了大量后选粒子被拒绝。用改进的粒子滤波算法和扩展Kalman滤波算法,分别对GPS/DR车辆组合导航系统进行仿真实验,结果表明,改进的粒子滤波算法能减小导航定位误差,滤波性能明显优于扩展卡尔曼滤波。     

UKF滤波器在非线性组合信号系统中的应用研究

在实际的非线性组合信号系统中,通常用扩展卡尔曼滤波（EKF）方法对非线性系统进行线性化,然后进行卡尔曼滤波.如果在非线性组合信号系统中,用UKF方法直接使用非线性模型,可避免引入线性化误差,这样可以提高滤波精度和计算效率.以车载GPS/DR组合导航定位系统为例,将UKF与EKF方法进行了仿真比较,结果表明,UKF的位置滤波精度要高于EKF.     

基于UKF的海底集矿车组合导航研究

针对扩展卡尔曼滤波(EKF)在海底集矿车组合导航系统应用时存在着计算复杂、线性化误差大等问题,基于附加打滑参数的履带车运动学模型,将无色卡尔曼滤波(UKF)用于集矿车长基线声学导航(LBL)与推算导航(DR)的组合导航系统中.考虑到测量数据时延,组合导航系统融合LBL与DR信息,得到海底集矿车位置估计.研究结果表明:采用EKF方法,测量数据时延0,0.5,2s时,东向定位精度为0.14,0.32,0.48m,北向定位精度为0.13,0.28,0.44m;采用UKF方法,测量数据时延0,0.5,2s时,东向定位精度为0.10,0.26,0.37m,北向定位精度为0.09,0.24,0.34m.测量数据时延越短,EKF,UKF的位置估计效果都会越好.但与EKF方法相比,UKF方法能够明显减少组合导航系统的线性化误差,提高海底集矿车导航系统的精度与稳定性.     

高斯粒子滤波的惯性／GPS紧组合算法

为提高组合导航系统的可靠性,针对以伪距、伪距率残差为量测信息的紧组合算法会带来线性化误差的缺点,推导了基于伪距、伪距率的非线性紧组合模型.针对紧组合系统状态维数高导致粒子滤波实时性差的问题,提出基于线性非线性结构分解的高斯粒子滤波算法,对状态方程中的非线性和线性部分利用高斯粒子滤波和经典卡尔曼滤波分别进行递推,有效降低了系统的运算量.仿真结果表明,使用改进的紧组合滤波算法系统定位精度相比线性化紧组合算法提高一倍.     

粒子滤波在卫星姿态确定中的应用

为了验证以星敏感器和速率陀螺作为卫星测量元件时,粒子滤波算法在姿态确定中的有效性.采用修正的罗德里格参数作为姿态参数建立了有陀螺和无陀螺两种模式下的系统状态方程和测量方程,并利用粒子滤波(PF)算法进行了姿态估计.和扩展的卡尔曼滤波(EKF)算法进行比较,仿真结果表明:PF算法在小初始估计误差下能够收敛,且具有和EKF相当的精度.大初始估计误差时,EKF算法不能收敛而PF算法仍能收敛.最后验证了PF算法在无陀螺模式下进行姿态确定的有效性.     

一种新的粒子滤波算法

将采样重要再采样(SIR)方法与无迹卡尔曼滤波(UKF)相结合,提出一种新的粒子滤波算法.该算法具有无迹粒子滤波(UPF)粒子使用效率高和SIR粒子滤波运算速度快的优点,同时克服了UPF运算量的增长速率快于状态维数增长的缺陷.仿真结果表明,与UPF相比,本算法在几乎不影响滤波效果的前提下,大幅减少滤波所需计算量.     

基于联合卡尔曼滤波的GPS/DR融合仿真

目的 研究GPS(Global Positioning System)与DR(Dead Reckoning)组合导航融合技术,使AGV获得更加稳定可靠的导航定位数据.构建出适用于GPS/DR组合导航系统的联合卡尔曼滤波器.方法 在GPS(全球定位系统)基础上增加DR(航位推算系统)用以辅助GPS定位.采用randn()函数作为随机数发生器,基于MATLAB软件对联合卡尔曼滤波融合算法进行理论分析及仿真研究.创新性的提出系统补偿系数G,将它用于联合卡尔曼滤波中,使得滤波效果可人工调控.结果 设计出适用于AGV的GPS/DR组合导航系统联合卡尔曼滤波器,建立MATLAB仿真模型.在MATLAB仿真模型中AGV行驶路程为50 m,GPS导航误差范围为6m,信号波动较大.DR导航最大误差为1.8m,误差逐渐累积,结果不收敛.GPS/DR组合导航系统误差为0.2m,信号波动平稳,结果收敛.结论 GPS/DR组合导航系统即克服了GPS信号的遮蔽问题,又充分利用了DR的短时高精度自主定位的优势.仿真结果表明,该方法在保证了系统定位精度前提下,有效提高了系统的容错性和工作可靠度.     

基于无味粒子滤波的动态场景下高机动目标跟踪

针对传统粒子滤波的目标跟踪算法存在粒子退化问题,提出了基于无味粒子滤波(UPF)的目标跟踪算法。为了将当前观测信息融入,采用无味卡尔曼滤波(UKF)生成粒子滤波的提议分布,以改善滤波效果。针对目标在机动过程中引起的视觉形变以及背景的变化,又采用了颜色直方图作为目标的颜色分布模型,并与UPF相融合。仿真结果表明,该算法对动态场景下的高机动目标有较好的跟踪效果。     

基于无迹粒子滤波的电网动态谐波估计

提出一种基于无迹粒子滤波(unscented particle filter,UPF)算法的电网动态谐波估计方法.通过无迹卡尔曼滤波算法得到电网动态谐波状态量的估计值和协方差,运用这些结果改进传统粒子滤波算法的重要密度函数,采用粒子滤波算法得到电网动态谐波的最优估计值.该方法克服了无迹卡尔曼滤波算法(unscented Kalman filter,UKF)对噪声要求为高斯分布的限制和传统粒子滤波(particle filter,PF)算法易退化的缺点,保留了UKF对非线性问题的较好处理和PF强抗干扰性能力.仿真结果表明,在高斯噪声和非高斯噪声情况下,UPF算法得到的电网动态谐波幅值、相位的估计值都更接近真实值.     

GPS/DR组合定位系统信息融合技术

在分析GPS/DR组合定位系统特点的基础上,设计了一种改进的联邦卡尔曼滤波器结构。对于GPS线性子系统采用标准卡尔曼滤波器,对于DR非线性子系统则采用无察觉卡尔曼滤波器。主滤波器采用动态信息分配系数对子滤波器的结果进行最优估计,并对DR子系统进行误差补偿,部分削减DR的误差累积效应。实验结果表明,算法能够满足车载导航系统的定位要求,并且在GPS误差较大时保持系统较高的可靠性和定位精度。     

基于离散平稳小波变换的EKF数据融合算法

针对车辆GPS/DR组合导航系统中广泛采用的扩展卡尔曼滤波器进行数据融合难以建立精确的数学模型的问题,提出了基于离散平稳小波变换的扩展卡尔曼滤波器数据融合算法。仿真表明,该算法优于扩展卡尔曼滤波器,对车辆组合导航系统的数据融合是有效的。     

车辆GPS/DR/DM组合导航系统的研究

研究了车载GPS/DR/DM组合导航系统.通过分析GPS(GlobalPositioningSystem)和DR(Dead-Reckoning)各自导航、定位的原理及特点,以及DM(DigitalMap)的特点,设计了一种新型的低成本车辆兵器GPS/DR/DM组合导航系统,并且用自适应的扩展卡尔曼滤波对组合系统进行了仿真实验,证明了本系统的可行性.车辆GPS/DR/DM组合导航系统无论从精度还是可靠性来说较常规的导航系统都有明显的改善和提高,GPS/DR/DM组合导航系统是一种较为理想的车辆导航系统.     

两飞行体相对定位技术及其滤波算法研究

为了解决两飞行体相互之间的定位问题,在二维平面运动模型的基础上提出了相位差变化率定位方法,进行了可观测分析,给出了可观测分析结果。同时简单介绍了几种典型非线性滤波算法,并将EKF（ExtendedKalman Filter）、UKF（Unscented Kalman Filter）、PF（Particle Filter）等非线性滤波方法应用到定位模型中。仿真结果表明,UKF方法用时最短,PF滤波方法精度最高。     

Federated unscented particle filtering algorithm for SINS/CNS/GPS system

To solve the problem of information fusion in the strapdown inertial navigation system (SINS)/celestial navigation system (CNS)/global positioning system (GPS) integrated navigation system described by the nonlinear/non-Gaussian error models, a new algorithm called the federated unscented particle filtering (FUPF) algorithm was introduced. In this algorithm, the unscented particle filter (UPF) served as the local filter, the federated filter was used to fuse outputs of all local filters, and the global filter result was obtained. Because the algorithm was not confined to the assumption of Gaussian noise, it was of great significance to integrated navigation systems described by the non-Gaussian noise. The proposed algorithm was tested in a vehicle’s maneuvering trajectory, which included six flight phases: climbing, level flight, left turning, level flight, right turning and level flight. Simulation results are presented to demonstrate the improved performance of the FUPF over conventional federated unscented Kalman filter (FUKF). For instance, the mean of position-error decreases from (0.640×10⁻⁶ rad, 0.667×10⁻⁶ rad, 4.25 m) of FUKF to (0.403×10⁻⁶ rad, 0.251×10⁻⁶ rad, 1.36 m) of FUPF. In comparison of the FUKF, the FUPF performs more accurate in the SINS/CNS/GPS system described by the nonlinear/non-Gaussian error models.     

GPS/INS动态卡尔曼滤波优化算法

GPS/INS组合导航系统动态定位数据的随机误差消除的重要方法是卡尔曼滤波,但运用扩展卡尔曼滤波器进行动态定位滤波时,需要对系统模型和观测模型以及误差模型进行准确建模,特别是载体状态机动时滤波器跟踪能力不强。提出一种GPS/INS组合导航动态卡尔曼滤波的优化算法,引入遗忘因子限制卡尔曼滤波器的记忆长度,充分利用现时的测量数据,改善滤波器的动态性能,并进行计算机仿真实验。仿真结果表明,遗忘因子增加,滤波器的跟踪能力增强,使滤波器达最佳性能。该优化算法比普通的扩展卡尔曼滤波算法的动态跟踪性能好,从而可显著提高导航系统定位精度。     

Adaptive Federal Kalman Filtering for SINS／GPS Integrated System

A new adaptive federal Kalman filter for a strapdown integrated navigation system/global positioning system (SINS/GPS) is given. The developed federal Kalman filter is based on the trace operation of parameters estimation‘s error covariance matrix and the spectral radius of update measurement noise variance-covariance matrix for the proper choice of the filter weight and hence the filter gain factors. Theoretical analysis and results from simulation in which the SINS/GPS was compared to conventional Kalman filter are presented. Results show that the algorithm of this adaptive federal Kalman filter is simpler than that of the conventional one. Furthermore, it outperforms the conventional Kalman filter when the system is undertaken measurement malfunctions because of its possession of adaptive ability. This filter can be used in the vehicle integrated navigation system.     

基于自适应UKF的单站无源定位算法

针对无迹卡尔曼滤波(UKF)算法在单站无源定位中滤波的性能容易受到初始值和系统噪声影响的问题,提出了一种自适应无迹卡尔曼滤波(AUKF)的跟踪算法。该算法利用观测信息和新息,引入自适应因子,对在滤波过程中的误差的协方差矩阵进行合理自适应调整,保证得到较稳定和高精度的滤波值,从而提高算法的鲁棒性。仿真结果表明,该AUKF算法与扩展卡尔曼滤波算法(EKF)及其衍生算法中的修正协方差滤波算法(MVEKF)和UKF算法相比,对系统噪声的鲁棒性更好,体现在滤波的收敛速度和滤波精度等方面都有所提高,是一种性能更加优越的算法。     

基于GPS/DR的车辆定位系统的研究

针对全球定位系统信号易受城市复杂环境干扰、有时接收不可靠、航位推算对城区车辆导航存在"盲区"等问题,将DR与GPS定位系统组合起来,建立组合定位系统。设计了GPS/DR组合定位系统的滤波模型,分析了其信息分配原理和信息分配系数的计算方法。     

基于DSP芯片的嵌入式车载GPS定位系统研究

鉴于DSP芯片的高性能低功耗特别适合数字信号的各种滤波,设计了基于DSP的GPS/DR定位系统.首先对车载定位的发展进行介绍,进而阐述了GPS/DR的定位原理,重点介绍了基于联合扩展KALMAN滤波算法的GPS/DR的定位算法研究,并用MATLAB 7.0仿真了扩展KALMAN滤波的性能.在采用联合扩展卡尔曼滤波结构中...