共查询到20条相似文献，搜索用时 171 毫秒
1.
针对用卡尔曼滤波方法进行导航时精度下降或发散的问题，探讨了一种基于观测值及其统计误差的位置势导航滤波方法，并针对运动方程复杂和收敛速度慢的现象，简化了位置势运动方程。从概念和数值上对位置势滤波和卡尔曼滤波进行了比较和分析。与卡尔曼滤波相比，位置势滤波不需要建立系统的状态方程，仅仅依靠观测数据及其统计误差，在系统方程未知或不能准确评定下尤为有用。 相似文献
2.
3.
用卡尔曼方法进行舰船的跟踪滤波时，常常因难以建立准确的导航系统状态方程而导致滤波精度下降。探讨用位置势方法进行跟踪滤波，建立了位置势演波方程井进行了仿真。结果表明该滤波不需要建立系统的状态方程，仅仅依隶观测数据及其统计误差，就能够取得较好的滤波效果。 相似文献
4.
5.
正交卡尔曼滤波在非线性滤波系统中是一种确定抽样算法，在正交规则下，更多的正交求积分方法被使用，以获得更准确的结果。然而，正交卡尔曼的计算复杂度随状态向量的维数呈指数形式增长，当正交点数量较大时，滤波效率较低。介绍了两种降低正交点的方法，两种方法被用于正交卡尔曼时，称之为改进的正交卡尔曼。该方法在大量的正交点状态估计下依旧可以获得精确的结果，而且效率更高，最后实验证明了该方法的有效性。 相似文献
6.
针对小型无人机上使用的MEMS惯性传感器在精度、噪声上存在的问题,采用卡尔曼滤波算法结合角度传感器、加速度传感器、磁阻传感器的传感信息,来解算姿态角最优值。采用四元素法确立了捷联矩阵,利用三轴陀螺仪传感器所得到的角速度信息建立系统状态方程,利用三轴加速度传感器和磁阻传感器信息建立了系统测量方程,进而设计了一种卡尔曼滤波器来滤除MEMS传感器存在的随机噪声,并解算出了小型无人机的姿态角。通过实验室静态测试和动态测试表明,无人机姿态角解算结果与实际值对比,误差能够控制在2°以内,可满足工程应用要求。 相似文献
7.
针对稳定平台工作中陀螺仪漂移问题,采用以陀螺仪角速度传感器的输出量作为观测量,建立陀螺仪漂移的数学模型和状态方程,然后利用卡尔曼滤波对含有噪声的测量数据进行滤波处理的方式改善漂移问题.仿真结果表明,该方式可以有效抑制陀螺仪信号中的扰动,提高陀螺仪稳定平台的工作精度. 相似文献
8.
由电阻（R）、电感（L）、电容（C）所构成的二阶电路在自动控制、滤波等方面具有广泛应用。作者针对二阶或更高阶RLC电路存在求解复杂以及外界干扰影响的问题，建立高阶电路的状态方程和测量方程，采用卡尔曼滤波方法对所建立的状态空间模型进行状态估计，从而了解电流或电压在元件L以及C上的内部运行规律，最后，在不同外加激励作用下，论证了卡尔曼滤波方法对RLC电路状态估计的准确性。 相似文献
9.
基于位置势的导航滤波方法 总被引：1，自引：0，他引：1
本讨论了利用位置势进行导航滤波的原理及特点，对该方法潜在应用进行了展望。与以往采用的卡尔曼滤波相比，该滤波不需要建立状态方程，仅仅依靠观测数据及其统计误差，且模型简单，在工程上易于实现。 相似文献
10.
11.
WU Xue-dong SONG Zhi-huan 《浙江大学学报(A卷英文版)》2007,8(10):1604-1613
Determination of relative three-dimensional (3D) position, orientation, and relative motion between two reference frames is an important problem in robotic guidance, manipulation, and assembly as well as in other fields such as photogrammetry. A solution to pose and motion estimation problem that uses two-dimensional (2D) intensity images from a single camera is de- sirable for real-time applications. The difficulty in performing this measurement is that the process of projecting 3D object features to 2D images is a nonlinear transformation. In this paper, the 3D transformation is modeled as a nonlinear stochastic system with the state estimation providing six degrees-of-freedom motion and position values, using line features in image plane as measuring inputs and dual quaternion to represent both rotation and translation in a unified notation. A filtering method called the Gaussian particle filter (GPF) based on the particle filtering concept is presented for 3D pose and motion estimation of a moving target from monocular image sequences. The method has been implemented with simulated data, and simulation results are provided along with comparisons to the extended Kalman filter (EKF) and the unscented Kalman filter (UKF) to show the relative advantages of the GPF. Simulation results showed that GPF is a superior alternative to EKF and UKF. 相似文献
12.
为了更加精确地估算锂电池荷电状态,建立能够反映电池动态工作特性的二阶RC等效模型。在模型参数辨识的基础上,先用数学分析、电路模型构建相关状态方程与观测方程,再结合扩展卡尔曼滤波算法,针对状态噪声与观测噪声的不确定干扰,提出一种自适应调整方案。通过锂电池放电实验,结合MATLAB仿真分析,验证了自适应调整后的卡尔曼滤波算法可更精确地预估锂电池荷电状态,与扩展卡尔曼滤波算法相比,该算法降低了约2.31%的误差。 相似文献
13.
无迹卡尔曼滤波在新型地形无源组合导航系统中的应用 总被引：2，自引：0，他引：2
为了提高自主水下航行器的导航精度,提出了一种新型地形无源组合导航系统.根据水下环境特点和航行器导航高精度和低成本的要求,采用捷联式惯性导航系统、地形辅助导航系统、多普勒速度声纳、电子磁罗经和利用UKF进行信息融合的导航计算机组成新型水下地形无源组合导航系统,并给出了EKF线性滤波方程、UKF非线性滤波方程和导航传感器量测方程.对比仿真实验表明,采用建议的传感器和UKF信息融合方式比采用EKF方式提高了水下航行器导航定位的精度.采用不同的导航传感器和UKF信息融合方法的地形无源组合导航系统可以有效地减小水下航行器导航位置误差,提高组合导航的稳定性和精度. 相似文献
14.
15.
16.
基于CMAC神经网络和Kalman滤波器的三维视觉跟踪 总被引：3，自引：0，他引：3
采用Kalman滤波器来预测图像特征点的位置，然后在其周围建立图像处理窗口，以达到减小特征点搜索区域及提高图像处理速度的目的．根据基于图像的视觉伺IBVS（image based visual servoing)的原理，在视觉伺服控制环中加入CMAC(cerebellar model articulation controller)神经网络来实现从图像空间的误差信号向输入空间的控制信号的非线性映射，从而避免了图像雅可比矩阵的不断调整及其复杂的求逆过程．模拟结果表明：采用Kalman滤波器能有效预测特征点的位置，同时采用CMAC神经网络能实现在线有导师学习，末端执行器能较好地对目标物体进行跟踪． 相似文献
17.
在军事上,利用移动机器人跟踪前方的引导员,在野外复杂环境中完成后勤运输与救援任务有重要的意义．针对野外复杂环境这个应用背景,提出了一个基于红外标志点的视觉跟踪系统,该系统有效的解决了传统的视觉跟踪方法受周围环境影响而不能够准确的识别跟踪对象的缺陷;针对传统的标志点识别采用全局搜索的方法计算量大、实时性差的缺陷,提出了一种基于Kalman滤波器预测的红外标志点的识别方法,该方法较传统的标志点识别方法识别速度提高了93％． 相似文献
18.
根据GPS控制网集合各类观测数据,结合部分点的实测速度为基础,建立大陆地壳运动速度场模型．基于测量的动态系统状态,采用序贯卡尔曼滤波的广义测量平差方法,对GPS点进行地壳运动的整网平差．并对分析整网平差结果进行精度统计和外部数据校核。数据分析结果表明卡尔曼滤波平差法的合理性和可靠性． 相似文献
19.
用现代时间序列分析方法，提出一类广义离散随机系统的自适应稳定态KaIman滤波算法，并给出了一个仿真例子． 相似文献
20.
A new approach is proposed in this paper for the problem of the target motion analysis (TMA) with signal propagation time delay. This problem is an unobservable tracking problem in which the acoustic signal transmits with time delay. We present an intelligent range parameterized unscented Kalman filter (IRPUKF) algorithm to estimate the state of the nonlinear unobservable tracking system and propose a recursive model parameter online adjustment method to deal with the time delay in signal propagation. In a simulation of tracking target using a maneuvering acoustic sensor with signal time delay case study, the effectiveness and efficiency of the proposed algorithm is testified to perform better, compared with the range parameterized extended Kalman filter (RPEKF) algorithm. 相似文献