基于EKF的自动泊车系统位姿估计算法设计

利用车辆2个后轮轮速信号和方向盘转角信号,基于扩展卡尔曼滤波技术设计一种车辆位姿估计算法,并在veDYNA中仿真试验。仿真结果表明,算法的估计精度比较理想,可满足泊车系统对自身车辆定位的需求。以定位精度2 cm（1σ）的GPS信号为参考,实车试验结果表明,位置估计误差控制在3%以内,此精度的估计结果可以为泊车系统提供车辆定位信息,为增强泊车安全性奠定基础。     

车辆组合导航系统自适应UKF滤波算法

针对传统卡尔曼滤波和扩展卡尔曼滤波(EKF)在导航中存在的缺点,在车辆GPS/DR组合导航系统中引入了Unscented Kalman filter(UKF)算法,并提出一种改进的开窗估计算法,采用一种自适应算法来动态调整开窗大小,减小了算法计算量。利用此方法对系统过程噪声进行实时跟踪,并与UKF方法相结合。仿真试验表明:此方法滤波精度和稳定性都有了一定的提高,同时相比传统UKF算法又具有更好的自适应性。     

舰载火箭弹弹道重构与模型验证

为了验证火箭弹系统六自由度仿真模型的可信性,建立用于弹道重构的系统状态模型和基于GPS观测数据的量测模型,运用无迹卡尔曼滤波(UKF)算法和TIC不等式系数法,探讨仿真模型静、动态性能的验证方法。以某型舰载火箭弹系统为研究对象,通过重构火箭弹飞行状态的误差参数,对其仿真模型进行定量验证。仿真结果表明,利用弹道重构方法对六自由度弹道仿真模型进行验证是有效的。     

基于接收信号信噪比预测的自适应跳频信道质量评估

针对自适应跳频通信的特点,提出基于接收信号信噪比预测算法的信道质量评估方法.在FFH/BFSK系统中采用卡尔曼滤波器、信号子空间法和误码率性能分析法进行仿真.结果表明,在0～25dB的信噪比变化范围内,估计和预测误差较小,能够对信道质量做出实时评估,可用于快速自适应跳频通信系统.     

基于一种改进粒子滤波算法的目标跟踪研究

为了解决非线性、非高斯系统目标跟踪问题,研究了一种新的滤波方法——高斯粒子滤波算法。通过基于重要性采样和蒙特卡罗模拟方法得到一高斯分布来近似未知状态变量的后验分布。并讨论了此算法在机动目标非线性转弯运动中的跟踪应用,与粒子滤波算法相比,其优点是不需要重采样步骤。在闪烁噪声下比较了高斯粒子滤波器、粒子滤波器和扩展卡尔曼滤波器在滤波精度、运算时间等方面的差异,仿真结果表明该算法性能优于其他算法。     

基于无迹卡尔曼的分布式电动汽车状态估计

为了较准确地获取分布式电动汽车的状态信息,满足汽车稳定性控制的要求,文章以三自由度车辆动力学模型为基础,建立了基于无迹卡尔曼滤波的分布式电动汽车状态观测器,对双移线工况下分布式汽车的纵横向车速、横摆角速度、质心侧偏角进行了预测估计。     

基于卡尔曼估计和最优控制的汽车悬架控制研究

本文采用了卡尔曼估计和线性二次型最优控制相结合的控制方法,对七自由度整车悬架系统进行主动控制,通过对各种路面进行仿真,仿真结果显示采用此控制方法汽车悬架进行主动控制,可显著提高汽车的行驶平顺性.     

基于卡尔曼滤波算法的公交车辆行程时间预测

通过分析公交车辆的行驶特性,利用卡尔曼滤波算法建立行程时间预测模型,并用该模型预测未来时段的公交车辆路段行程时间.预测结果表明,该方法预测精度较高,可有效地改善公交车辆动态调度效果,提高交通资源利用率,因此该方法具有推广意义.     

基于复数无迹卡尔曼滤波的电力系统频率和谐波估计

针对噪声干扰条件下传统的扩展卡尔曼滤波方法在电力系统频率和谐波估计精度问题,本文提出了基于复数无迹卡尔曼滤波的频率和谐波估计方法.利用欧拉公式,对电力系统信号进行适当变换,获得电力系统信号复数状态空间模型,实现了系统信号频率和谐波估计.为了验证噪声干扰条件下本文方法参数估计有效性,通过在系统信号中增加不同信噪比噪声干扰,分别利用本文方法和通用扩展卡尔曼滤波方法对参数进行估计.结果表明,在噪声干扰条件下,本文方法的估计精度优于通用扩展卡尔曼滤波方法,这表明本文方法更适于强噪声干扰条件下的系统信号频率和谐波估计.     

天文定位的是了优估计方法及其应用

论述了天文定位的最优估计方法及其精度。六分仪观测值依赖于ＧＭＴ和推算船位的该值的预测值之差，与来自上瞳尔曼滤波器增益阵的Ｋφ和Ｋλ相乘，可以得到推算船位与最优估计船位的差值Ｄφ和Ｄλ。