基于自适应重采样的同步定位与地图构建

就移动机器人同步定位与地图构建展开研究,针对FastSLAM算法产生的粒子退化及粒子集重采样问题,提出了基于自适应重采样的FastSLAM算法。该算法首先计算粒子集的有效样本数,确定粒子退化程度。然后设定有效样本阈值,当有效样本数小于阈值时则进行重采样。仿真表明:与EKF-SLAM相比,基于自适应重采样FastSLAM重采样效率更高,鲁棒性更好,在机器人路径和陆标位置的估计上,也具有更高的精度。     

卡尔曼滤波实现车载GPS/DR组合导航

陆地车辆是在二维平面内运动的,而在车载GPS接收机和DR组合装置中,测量值是在不同的坐标系中得到的,通过对坐标系转换和测量误差分析得到组合系统的整体状态方程和测量方程,由于这些状态方程和测量方程都是关于状态的非线性函数,用广义卡尔曼滤波器来实现GPS/DR组合导航的实时求解。最后在行驶车辆上采集数据并进行仿真试验,结果表明这种组合系统能够大大提高系统实时定位精度和容错能力。     

改进的主/被动传感器协同探测跟踪方法研究

针对主动传感器辅助的被动传感器跟踪系统,为了提升系统的跟踪精度,改进主动传感器工作控制的实时性和精确性,结合地空导弹武器跟踪系统中的"粗跟"与"精跟"模式,提出了一种改进的主/被动传感器协同探测跟踪方法。在主动传感器开机时,利用曲线拟合推理出目标的运动轨迹;关机后,利用拟合的"估计量测"值和滤波预测值产生新息残差,并将其作为评价因子,结合信息熵理论设计"粗跟"和"精跟"模式下的航迹质量评价准则。实现了主/被动传感器间的实时切换以及"粗跟"和"精跟"模式间的自适应切换,克服了被动传感器距离量测的不可观测性。采用Monte Carlo仿真,同跟踪门法作比较,结果验证了改进方法的合理性和优越性。     

A New Filtering Algorithm Utilizing Radial Velocity Measurement

Pulse Doppler radar measurements consist of range, azimuth, elevation and radial velocity. Most of the radar tracking algorithms in engineering only utilize position measurement. The extended Kalman filter with radial velocity measureneut is presented, then a new filtering algorithm utilizing radial velocity measurement is proposed to improve tracking results and the theoretical analysis is also given. Simulation results of the new algorithm, converted measurement Kalman filter, extended Kalman filter are compared. The effectiveness of the new algorithm is verified by simulation results.     

UKF及其在INS/TAN组合导航中的应用

将UKF应用于INS/TAN组合导航系统中.仿真证明,该滤波方法有效地克服了地形的非线性特性和惯导误差对组合导航结果的影响.     

基于扩展卡尔曼滤波器的矢量跟踪算法研究

该文针对矢量跟踪算法缺乏定量分析的问题,对线性化模型与跟踪误差进行了研究.为了提高矢量跟踪环的动态跟踪性能,修正了已有线性化观测矩阵忽略接收机伪距率对位置的偏导项的问题;提出了新的环路反馈量,简化了运算过程.推导出了矢量跟踪环的热噪声跟踪误差,与标量跟踪环相比跟踪门限明显降低,并且在相同条件下,观测卫星数越多,矢量跟踪环的跟踪门限越小;推导了矢量跟踪环的动态应力跟踪门限,证明矢量跟踪环可以处理高动态微弱信号.通过 Monte Carlo 仿真验证了理论分析结果的正确性.     

角闪烁背景下基于粒子滤波器的跟踪研究

角闪烁噪声具有相关性和非高斯特性，处理相关非高斯噪声下的目标跟踪问题时，传统的的卡尔曼滤波器性能将会严重下降。文中将粒子滤波器应用到角闪烁背景下的目标跟踪问题中，与扩展卡尔曼滤波器进行了仿真比较，结果表明粒子滤波器的跟踪性能大大优于扩展卡尔曼滤波器，具有较高的工程实用价值。     

基于PMU的电力系统监控体系结构优化设计

文中提出了一种利用有限数量的相量测量单元(PMU)和相量数据集中器(PDC)设计最优监控结构的方法.通过在大量的设定值场景下,使电力系统可观测性曲线的期望值最大化,同时使通信基础设施成本最小化,最终确定PMU和PDC的最佳位置.提出了一种非线性动态扩展卡尔曼滤波(EFK)状态观测器.这种状态观测器可以将暂态行为转换为由...     

固定目标的运动单站被动测距

分析了角度和角度变化率被动测距系统的基本原理,研究了空间固定目标的单站被动测距方法,并提出光学成像系统中角度及角度变化率测量方法。利用Monte Carlo模拟验证了被动测距的数学模型,角度及角度变化率的测量误差是影响距离测量精度的主要因素,为了克服误差的影响,研究了基于推广卡耳曼滤波(EKF)距离估算方法。实验结果表明,对于含有零均值高斯噪声的角度和角度变化率的测量数据,利用推广卡耳曼滤波可以提高距离估算的稳定性和精度。     

Modified RHKF Filter for Improved DR/GPS Navigation against Uncertain Model Dynamics

In this paper, an error compensation technique for a dead reckoning (DR) system using a magnetic compass module is proposed. The magnetic compass‐based azimuth may include a bias that varies with location due to the surrounding magnetic sources. In this paper, the DR system is integrated with a Global Positioning System (GPS) receiver using a finite impulse response (FIR) filter to reduce errors. This filter can estimate the varying bias more effectively than the conventional Kalman filter, which has an infinite impulse response structure. Moreover, the conventional receding horizon Kalman FIR (RHKF) filter is modified for application in nonlinear systems and to compensate the drawbacks of the RHKF filter. The modified RHKF filter is a novel RHKF filter scheme for nonlinear dynamics. The inverse covariance form of the linearized Kalman filter is combined with a receding horizon FIR strategy. This filter is then combined with an extended Kalman filter to enhance the convergence characteristics of the FIR filter. Also, the receding interval is extended to reduce the computational burden. The performance of the proposed DR/GPS integrated system using the modified RHKF filter is evaluated through simulation.