共查询到20条相似文献，搜索用时 593 毫秒
1.
GPS动态定位的数据处理中广泛应用卡尔曼滤波,而卡尔曼滤波的应用要求动态模型（函数模型）和随机模型可靠和切合实际,但实际测量定位中难以保证观测对象的规则运动,因而容易出现模型误差.针对GPS动态定位的这一问题,本文探讨了在实际应用中存在模型误差时的卡尔曼滤波,介绍了一种基于协方差匹配技术的自适应卡尔曼滤波算法,该法当Q已知时可以准确地估计出R.它的独特之处在于原理上易于理解,在实际中也很容易实现,它是通过判定发散的判据,求出噪声统计的估计值,然后再按得到的噪声统计估计值计算新息序列的协方差阵,因此消除了滤波发散现象. 相似文献
2.
广义卡尔曼滤波(EKF)在进行数据处理时,仅对测距系统和量测方程作泰勒级数展开且仅保留线性项,因而EKF只适用于弱非线性对象的估计,被处理对象的非线性越强,引起的估计误差就越大,甚至会引起滤波发散。将无迹卡尔曼滤波(UKF)应用于非线性系统的目标处理。通过UKF在雷达测距中的应用和仿真结果分析表明,与EKF相比,UKF收敛快、对噪声适应能力更强且算法实现更简单。自适应无迹卡尔曼滤波（AUKF）可以对系统模型进行实时估计,通过分析知道无迹卡尔曼滤波算法满足实时性跟踪要求,实现了对运动目标的快速跟踪。 相似文献
3.
稀疏长时延水声信道的压缩感知估计(英文) 总被引：1，自引：0，他引：1
提出一种基于压缩感知框架下的长时延水声信道估计算法.用传统的自适应算法如最小二乘(LS)算法处理典型的长时延水声信道的估计问题时,会导致其收敛速率下降,即跟踪能力有限,而使用时延多普勒函数则加大了计算量和复杂度.通过训练序列构建一个Toeplitz矩阵作为测量矩阵,将长时延信道估计问题转为压缩感知问题,并利用信道的稀疏结构特性进行稀疏估计.与传统的l1范数或基于指数形式的近似l0范数稀疏恢复策略不同,所提出的是一种新的似l0范数稀算法(简称AL0),该算法通过融合最陡梯度和迭代投影寻优进行求解.仿真与海试数据结果验证了所提算法的优越性. 相似文献
4.
5.
6.
为了满足移动蜂窝网络中用户对高速率数据业务和服务质量（QoS)的要求,提出一种基于喷泉码的机会调度算法。在基站无法获取瞬时CSI(信道状态信息)情况下,利用信道分布统计规律并使用吞吐量估计矩阵,自适应调整选择用户数,减少了调度算法的计算复杂度,在一定程度上提高了系统吞吐量。对固定数据量自适应机会调度算法FEMOS与固定数据量吞吐量估计机会调度算法进行了仿真比较,仿真结果表明,基于喷泉码的机会调度算法能够获得更高的吞吐量,可以高效地利用有限的频带资源并降低计算量。 相似文献
7.
《实验室研究与探索》2015,(9):126-131
针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点,采用可调整的算法模型对粒子群算法进行改进,将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的卡尔曼滤波器应用于感应电机转速估计,仿真实验表明,与试探法、标准粒子群算法及遗传算法比较,改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的控制性能。 相似文献
8.
当期望信号导向矢量失配以及采样协方差矩阵中包含期望信号时,传统自适应波束形成器性能会下降。对此问题,提出了一种基于协方差矩阵重构的稳健波束形成算法。该算法首先通过对期望信号和干扰的大致来波方向范围进行积分以估计出导向矢量,然后利用主模式抑制去除信号间多余的相干性,并重构出最终的协方差矩阵。仿真实验表明,该算法提高了期望信号导向矢量失配时的稳健性,降低了对快拍数的敏感性。 相似文献
9.
《东南大学学报》2017,(4)
针对光强分布不均匀环境下低动态载体速度计算精度低的问题,提出了一种改进自适应卡尔曼滤波方法应用于光流跟踪与尺度不变特征变换(SIFT)相融合的速度误差估计.该算法引入了一种非线性模糊隶属度函数和滤波残差用于自适应调整过程噪声的协方差矩阵.在计算载体速度过程中,首先利用光流跟踪法和SIFT方法分别进行帧间位移的跟踪和匹配并计算出载体的速度,同时将这2种方法求取的速度做差作为改进的自适应卡尔曼滤波器的观测量,最后使用改进的自适应卡尔曼滤波器输出的速度误差估计值对光流法求取的速度进行校正.半物理实验结果表明,该算法求解的最大速度误差较光流法减小了29%,且运算时间较SIFT方法减少约80%. 相似文献
10.
《东南大学学报》2020,(2)
为弥补传统电动汽车锂电池SOC估计算法估计误差大的缺陷,考虑电动汽车动力电池复杂的工作条件,将参数在线辨识方法和修正协方差扩展卡尔曼滤波(MVEKF)算法结合,提出了一种锂电池SOC在线估计算法.新算法使用变遗忘因子递归最小二乘法实现模型参数在线辨识,利用修正后的状态估计值重新计算迭代过程中的协方差,并将新的过程增益值用于下一状态估计以减少滤波误差.恒脉冲放电和动态应力测试(DST)等实验表明:在电池复杂的充放电条件下,与EKF算法对比,MVEKF滤波算法估计误差更小,最多可减少5%的误差;在DST条件下的充电过程中,EKF会有较大的偏差且不稳定,而MVEKF算法可稳定地估计SOC,且鲁棒性强,适用于电动汽车电池复杂多变的工作条件. 相似文献
11.
12.
许迅雷 《西安文理学院学报》2011,(2):57-60
在高斯噪声环境下,由于扩展卡尔曼滤波（EKF）在目标跟踪应用中精度低和可能出现的滤波发散,将无迹卡尔曼滤波（UKF）应用于非线性系统的目标跟踪.通过UKF在目标跟踪中的应用和仿真结果的分析比较表明,与EKF相比较,UKF收敛快、对噪声适应能力强,算法实现简单. 相似文献
13.
作为传统非线性估计方法的代表,扩展卡尔曼滤波(EKF)存在明显的缺陷.时于强非线性系统,无味滤波(UKF)由于选用有限个采样点获取系统的近似分布,并无需计算量测方程的Jacobian矩阵,显示出对非线性系统估计的优越性.本文选用了一个应用于航天器相对导航中的非线性估计的例子进行仿真,仿真表明UKF的滤波精度要优于EKF. 相似文献
14.
为了探寻非线性、非高斯系统滤波的最优算法,运用Python搭建Monte Carlo仿真实验模型,观察了扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)、重要性重采样算法(SIR)和辅助粒子滤波(APF)的状态估计曲线,对比了仿真结果的RMSE平均值,对各种滤波算法进行性能评估.实验结果表明,EKF对于强非线性系统会出现滤波发散现象,APF比UKF和SIR有更好的跟踪准确性. 相似文献
15.
在导航制导武器中,针对微机电捷联惯导系统（MEMS-SINS）非线性误差的状态估计精度差和模型扰动问题,通过分析无迹卡尔曼滤波（UKF）算法中初值的选取会直接影响观测值精度的问题,结合自适应估计原理,提出一种基于自适应因子的UKF算法,该算法能够自适应地调节系统模型的扰动和初值的偏差并根据新的协方差观测值更新方程。首先建立传递对准的大失准角误差模型,然后将该算法应用于该系统状态估计中,并与标准UKF进行比较,通过计算机仿真,传递对准速度提高3s左右,精度提高将近1倍。对两种算法结果进行对比分析表明,能够抑制传递对准系统初值选取的偏差影响,降低系统状态模型扰动的影响,提高传递对准的对准精度。 相似文献
16.
邱炳林 《福建工程学院学报》2023,(4):370-377
针对因互联系统稳定性的下降引起的低频振荡事故,提出了基于无偏似然估计(stein unbiased risk estimate, SURE)的自适应小波阈值与固有时间尺度分解(intrinsic time-scale decomposition, ITD)的联合辨识算法,以解决在低频振荡的关键模态辨识中提取出的参数精度不够准确的问题。对含有噪声干扰的信号进行小波变换得到其小波系数,根据信号特点按照最小均方误差算法估计其最优阈值,从而进行小波系数的筛选和信号的重构,得到去除噪声后的信号。对处理后的信号进行固有时间尺度分解,构建相应的信号测点矩阵并求解矩阵的特征值,获取系统的关键振荡参数。采用数学测试信号、PSASP软件中的8机36节点仿真系统信号以及实测信号,验证了所提方法对实际电网是有效可行的。 相似文献
17.
《绵阳师范学院学报》2018,(5):81-86
数学形态学滤波属于非线性滤波,针对传统的线性滤波对图像边缘等细节特征容易模糊的缺点,本文提出一种基于灰度形态学的自适应加权复合滤波优化算法,采用凸性多尺度结构元素对灰度图像进行多级形态开闭运算,根据形态滤波等幂特性,实现结构元素序列的自适应加权复合滤波,并对滤波效果进行PSNR评价,实验仿真结果表明该复合滤波算法在保留图像细节特征的同时能有效去除噪声,提高了图像信噪比. 相似文献
18.
针对常规自适应波束形成器因零陷较窄、在出现干扰运动时输出性能下降的问题,提出一种基于投影变换和虚拟天线技术的零陷展宽波束形成算法,利用干扰导向矢量和矩阵锐化技术构造投影变换矩阵,并用其对接收数据进行预处理同时结合对角加载技术得到新的协方差矩阵,引入虚拟天线技术扩展协方差矩阵和导向矢量进行自适应波束形成．算法在零陷展宽的同时可以加深零陷,能有效抑制快速运动干扰,提高阵列天线波束形成的输出性能．仿真结果验证了算法的有效性和优越性． 相似文献
19.
《赤峰学院学报(自然科学版)》2016,(12)
对于病态的线性方程组的数值方法,一般使用迭代法,而迭代法的收敛速度慢且数值解的精度低,甚至发散.针对此问题,本文推出一个新的数值方法——主元加权松弛迭代法,通过对系数矩阵主元叠加一个权值,并引入松弛参数再对矩阵进行求解,从而能够有效的提高病态线性方程组的收敛速度和数值解精度,并讨论了算法的收敛条件.最后,通过数值实例展示了算法的有效性. 相似文献
20.
基于Lainiotis算法的基本原理，使用贝叶斯估计理论和半马尔科夫过程的概念，利用一组并行的、且是自适应加权的卡尔曼滤波器对纯方位目标运动分析问题进行求解，对本算法与伪线性卡尔曼滤波算法的估计结果进行了比较，结果表明，这种估算方法在大的环境噪声、远距离和小目标速度等不利条件下仍具有较好的估计性能。 相似文献