共查询到20条相似文献，搜索用时 31 毫秒
1.
2.
在行车过程中强机动引起全球卫星导航系统(GNSS)量测噪声产生野值,表现出厚尾特性导致常规状态估计精度下降的问题,为此提出一种基于变分贝叶斯的SINS/GNSS组合导航信息融合方法。构建车载组合导航系统模型,采用Student’s t分布对量测异常情况下噪声建模,并用变分贝叶斯的方法对系统状态和隐变量进行求解,实现对模型参数的后验估计。针对城市行车存在GNSS测量失效的问题,利用交互式多模型算法实现了GNSS量测中断情况下的SINS/GNSS和SINS/OD子系统的动态交互融合。通过跑车实验进行验证,实验结果表明,所提算法可有效抑制GNSS量测野值噪声对SINS/GNSS/OD组合导航系统的影响,与传统交互式多模型算法相比,具有较高的精度和鲁棒性。 相似文献
3.
本文提出和讨论了基于马斯京根流量演算的河道洪水实时预报的半自适应滤波模型。在该模型中量测误差系列的协方差矩阵可以通过信息更新系列实时的估计出来,只有模型误差系列的协方差矩阵需要预先给出。本文提出一个处理区间入流较为合理、简便的方法。通过验证和应用说明了该模型的合理性和使用性。 相似文献
4.
本提出和讨论了基于马斯京根流量演算的河道洪水实时预报的半自适应滤波模型。在该模型中量测误差系列的协方差矩阵可以通过信息更新系列实时的估计出来,只有模型误差系列的协方差矩阵需要预先给出。本提出一个处理区间入流较为合理、简便的方法。通过验证和应用说明了该模型的合理性和使用性。 相似文献
5.
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
6.
《宜宾学院学报》2019,(12):47-53
经典中值滤波算法在不同噪声密度下为了得到最优滤波效果,需手动调节滤波窗口大小,同时在滤波过程中会对图像细节造成二次污染.针对这一问题,提出一种基于椒盐噪声密度、自适应调整中值滤波窗口的算法,首先估计出图像噪声密度,再确定传统中值滤波在不同噪声密度下,对应的最优窗口维度,并建立函数关系,利用函数关系自适应调整窗口维度,最后将椒盐噪声图像的待修复像素值替换为滤波修复后的像素值,防止细节被模糊化.实验显示,噪声密度估计的误差在3%范围内波动;采用四舍五入的方法使算法能够自适应匹配到最优滤波窗口,再对噪声分离处理,使得中值滤波对图像的细节保护更加完整. 相似文献
7.
针对直线一级倒立摆控制器设计中存在的测量噪声与系统状态不完全可测的问题,基于连续时间Kalman滤波与滑模变结构控制理论设计了控制器.在直线一级倒立摆数学模型建立的基础上,基于连续时间Kalman滤波理论实现对系统全部状态信息的有效估计,同时降低测量噪声对系统状态的影响.随后,根据估计的系统状态信息,基于滑模变结构控制... 相似文献
8.
《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
9.
稀疏贝叶斯学习(SBL)应用于互质阵列、欠定宽带信号在未知噪声场的波达方向(DOA)估计.使用扩展协方差矩阵,互质阵列可以实现更高数量的自由度(DOF),以解析比物理传感器的数量更多的源.基于稀疏的DOA估计可能恶化检测和估计性能,因为无论网格有多精细,源都可能离开搜索网格.SBL使用定点更新可以较好地解决这种字典不匹... 相似文献
10.
针对传统EKF(TEKF)需要长时间试凑噪声协方差矩阵且噪声特性变化时估算性能下降甚至发散的问题,提出了一种基于极大似然估计准则和有限记忆指数加权的自适应EKF算法（EW-MLE-AEKF）。在使用新息序列进行自适应调整时,系统容易因新息序列的不准确而发散,为此可以利用后验残差序列对噪声协方差矩阵Q和R进行实时调整来提高系统的稳定性。同时在加窗方法的基础上使用了有限内存指数加权算法来提高近期数据的权重,加快了估计的收敛速度。仿真和实验验证了算法在电机系统中的可行性,结果证明该算法避免了噪声矩阵的试凑过程,能够适应噪声的变化,提高了滤波精度且系统稳定性强。 相似文献
11.
鲁棒UKF滤波算法在SINS初始对准中的应用 总被引：2，自引：0，他引：2
针对系统存在不确定性扰动时传统UKF滤波算法的滤波精度和鲁棒性均下降的问题,提出了一种基于H∞范数的鲁棒UKF滤波算法.该算法在Krein空间内对简化UKF滤波算法进行改进,增加了一个鲁棒环节.鲁棒环节通过引入给定正常数调整滤波增益从而提高滤波算法的鲁棒性能.在SINS大方位失准角初始对准中对简化UKF滤波算法和鲁棒U... 相似文献
12.
非线性系统的状态估计问题是现代控制理论研究中不可或缺的一部分.提出一种基于扩展Kalman滤波的鲁棒融合状态估计算法,它是在已有的扩展Kalman滤波算法的基础上,通过引入CI状态融合来实现的.融合算法的引入能有效填补扩展Kalman滤波器在模型线性化时所带有的精度损失;CI融合算法因为避免了局部估计误差互协方差的计算而变得简单易行,尤其便于实际工程应用.仿真实验结果表明了所提出的多传感器非线性离散系统的CI融合状态估计算法可有效减少估计误差,具有一定的有效性和可行性. 相似文献
13.
文章研究广义Pareto分布单变点的估计问题,利用贝叶斯方法对广义Pareto分布变点进行估计,模拟结果表明,贝叶斯方法能获得更好的效果。同时将贝叶斯方法与基于KL散度似然比统计量的极大似然法比较,得出贝叶斯方法效果更好。 相似文献
14.
在机器人领域,同时定位与地图构建（SLAM）是导航定位的关键技术。单目视觉传感器由于结构简单、成本低且能获取丰富的视觉信息,被广泛应用于 SLAM。随着无人机、AR 设备以及自动驾驶汽车技术的快速发展,视觉惯性 SLAM（VI-SLAM）技术得到了越来越多人的关注。针对 VI-SLAM,从滤波与非线性优化的角度出发,首先介绍相关算法理论框架,然后分析几种具有代表性的单目 VI-SLAM 算法创新点及实现方案,并通过 EuRoC MAV 数据集评估各算法优劣,最后结合深度学习与语义 SLAM,对 SLAM 未来发展趋势进行探讨。 相似文献
15.
考虑到自然图像小波系数分布的两个统计特性,用多元广义高斯分布(MGGD)模型描述小波系数的统计分布,采用基于上下文模型的自适应协方差矩阵估计,再利用最大后验概率估计原始图像的小波系数。实验表明,该方法在直观视觉上去噪效果明显,在信噪比方面也要优于其他的一些小波去噪方法。 相似文献
16.
提出一种基于贝叶斯滤波递推状态估计的心脏运动测量信号实时滤波算法,提高心脏数据的测量精度,该方法建立了心脏运动模型与传感器误差模型,采用了扩展卡尔曼滤波与粒子滤波两种贝叶斯滤波方法的实现形式。实验结果表明,提出的算法有效地还原了心脏运动的真实值,并且满足了跟踪系统实时数据处理的要求,为整个系统精度的提高提供了保证。 相似文献
17.
基于直方图的模糊滤波方法对图像的拖尾噪声去噪会导致图像模糊、残留的噪声较多等问题,本文提出一种新的基于广义高斯混合模型的图像去噪方法.首先,建立图像的广义高斯分布及其有限混合模型;其次,通过像素周围点特征值的变化范围确定噪声数据;最后,利用广义高斯函数构建一个加权平均滤波器进行图像去噪.对基于直方图的滤波方法、经典的偏微分方程和本文方法进行比较实验,结果表明本文方法具有更好的去噪效果. 相似文献
18.
无标定情况下的视觉定位是机器人视觉伺服领域的热点和难点。提出一种基于快速自适应滤波的机器人无标定手眼协调方法。首先根据机器人三维基坐标建立运动空间和图像特征空间的微分映射关系,在不预先标定视觉传感器与机器人参数情况下,设计一个直接估计增益矩阵 Kk 的自适应滤波器,在线辨识图像雅可比矩阵。采用最小二乘法获得状态估计的初始值,在此基础上设计视觉控制器和计算运动控制量。在 MAT?LAB 环境下建立机器人手眼协调控制系统仿真模型,将该方法用于观测噪声统计特性未知情况下的定位反馈,并对机器人空间螺旋运动的跟踪情况进行分析。实验结果表明,该自适应滤波器能够完成不规则环境下视觉引导的追踪任务,定位效果优于常规卡尔曼滤波和 Sage-Husa 自适应滤波,具有较强的鲁棒性。 相似文献
19.
为了保持多极化SAR图像的极化特性,协方差矩阵中的每一个元素都必须在相同的局部同质区内进行独立的滤波处理.大多数滤波方法都采用了固定大小的滑动窗技术,导致其同质区域的大小不能自适应于局部纹理的变化,因此,很难解决保留结构特征和平滑斑点噪声这对矛盾.要解决该问题,可采用大小可变的滑动窗来搜索局部的最大同质区,最大同质区的大小能自适应局部纹理的变化.实验结果表明,该方法能有效地保持图像的空间结构特征和极化特性,同时也能获得较好的斑点噪声抑制效果. 相似文献
20.
借助基于二阶高斯-马尔可夫异常位模型的重力异常协方差函数,得到了海洋重力测量中重力异常信号的状态方程．结合实际重力仪的系统状态方程和系统量测方程,提出了级联卡尔曼滤波方法,并将其应用于重力异常畸变信号的校正处理中．在信号处理过程中,首先采用卡尔曼逆滤波恢复含高频干扰的重力异常,然后采用自适应卡尔曼滤波,以重力异常状态方程为系统方程估计实际重力异常值,并与单一卡尔曼逆滤波器的处理结果进行了对比分析．仿真和试验表明,级联卡尔曼滤波方法和单一卡尔曼逆滤波都能在一定程度上减小重力异常信号的畸变,但在相同背景条件下,级联卡尔曼滤波方法的性能优于单一逆卡尔曼滤波． 相似文献