共查询到20条相似文献,搜索用时 46 毫秒
1.
在船舶交通服务系统(Vessel Traffic Services,VTS)利用多台雷达组成的雷达网中,如果雷达的系统误差未经配准就进行多雷达数据融合,则会使融合结果不可信而严重影响其航迹跟踪质量.平方根无味卡尔曼滤波 (Square-root Unscented Kalman Filter,SRUKF)是一种改进的无味卡尔曼滤波(Unscented Kalman Filter,UKF)算法,它借鉴了平方根卡尔曼滤波(Square-root Kalman Filter,SRKF)能克服滤波发散的思想来设计滤波器,不仅具备无味卡尔曼滤波的全部优点,而且克服了无味卡尔曼滤波由于滤波数值计算中舍入误差的积累而容易导致协方差矩阵失去非负定性的缺点,具有更好的数值稳定性.利用平方根无味卡尔曼滤波实现船舶交通服务系统中的雷达网系统误差配准,并通过Matlab仿真对该方法和无味卡尔曼滤波的滤波性能进行了比较,仿真结果验证了该方法的可行性和有效性. 相似文献
2.
3.
4.
5.
基于状态估计法的陀螺仪/星敏感器组合卫星姿态测量系统,采用传统卡尔曼滤波算法进行状态估计。但由于卡尔曼滤波算法存在较大误差,因此提出采用超平面调整卡尔曼滤波器的方法提高估计精度。通过仿真证明,该方案既能抑制滤波发散,又能提高卫星姿态确定系统估计精度。 相似文献
6.
7.
为提高非线性滤波的性能,提出一种改进的粒子滤波算法(MUPF),该算法将新构造的辅助模型和无迹卡尔曼滤波(UKF)相结合产生新的建议分布函数。与传统的无迹粒子滤波(UPF)相比,该算法充分利用了新的测量信息。在非高斯条件下与其他滤波器进行了仿真对比,分析了跟踪性能和均方根误差。仿真结果表明,MUPF不仅具有很高的跟踪精度,而且用很少的粒子就可以达到更好的滤波性能。 相似文献
8.
船舶动力定位系统已广泛应用于海洋工程中,状态估计是动力定位系统的重要组成部分。在工程应用中,状态估计方法主要采用基于卡尔曼滤波的算法,但是这些算法对于船舶首向的滤波效果并不理想。alphabeta滤波是一种不基于模型的稳定常增益滤波器,其结构与卡尔曼滤波类似。本文设计了一种混合滤波器,采用alpha-beta滤波对船舶首向进行滤波,扩展卡尔曼滤波对船舶横向和纵向进行滤波,以改善船舶首向的滤波效果。通过将混合滤波器的滤波效果与扩展卡尔曼滤波器进行对比,验证了alpha-beta滤波用于船舶首向滤波的可行性和有效性。 相似文献
9.
10.
GPS动态定位中自适应卡尔曼滤波模型的建立及其算法研究 总被引:1,自引:0,他引:1
采用描述机动载体运动的“当前”统计模型,建立了一种新的GPS动态定位自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能,提出一种改进的自适应滤波算法,大大提高了GPS动态定位卡尔曼滤波器的跟踪能力,改善了滤波效果。计算机仿真结果验证了该算法的有效性。 相似文献
11.
12.
13.
分析了地形/惯导组合导航系统的状态方程,并对H∞滤波和卡尔曼滤波算法进行了对比分析,同时给出仿真结果。理论分析和仿真实验表明:H∞滤波算法和卡尔曼滤波都具有较好的收敛特性,能在一定程度上提高地形辅助导航系统精度,但H∞滤波的效果优于卡尔曼滤波。 相似文献
14.
15.
模糊自适应卡尔曼滤波在惯性/地磁导航中的应用 总被引:2,自引:1,他引:1
为了提高自主、无源组合导航系统的精度和可靠性,针对惯性/地磁组合导航系统中滤波发散、量测噪声统计特征随实际情况不同而变化的问题,本文在无迹卡尔曼滤波的基础上,通过监测滤波新息的方差和均值变化,采用模糊自适应滤波算法,"在线"调整模型中的噪声方差阵,来改变滤波器的估计均方误差和滤波增益.通过自适应调整Sigma采样中权值的比例因子α,来解决UT变换的非局部效应,达到提高组合导航的精度的作用.仿真结果表明,模糊自适应卡尔曼滤波器可以有效的提高惯性/地磁组合导航系统,克服了传统滤波算法的缺点和不足,提高了滤波精度. 相似文献
16.
为了优化飞行姿态信息,设计一种适用于捷联式航姿参考系统的九态扩展卡尔曼滤波算法,得到最优估计。为了验证此EKF算法的可行性和滤波效果,采用AHRS300惯性测量单元的数据进行MATLAB滤波算法仿真,把感器采集数据平滑计算后,建立精确的MATLAB算法模型作为参考。把两种结果作差比较,计算姿态角误差。从仿真结果可以看出,所设计的算法能够获得较好的姿态角精度,证明此扩展卡尔曼滤波性能良好。 相似文献
17.
针对船舶动力定位系统中单一滤波器的滤波性和稳定性差的问题,设计了基于Sage-Husa自适应滤波算法和强跟踪卡尔曼滤波算法相结合的自适应滤波算法,建立了动力定位船舶的数学模型,并根据此船舶设计了滤波器以及相应的算法,通过和实船测试数据的比较,两者的结论几乎一致,而且在工程上是可行的。 相似文献
18.
针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高. 相似文献
19.
20.
在机动目标加速度模型的标准卡尔曼滤波算法中,由于在量测更新的协方差阵计算中有个矩阵与一个半正定矩阵相减的运算,当它在小型机和微机上实现时,有可能导致协方差阵P出现不对称或负定的情况.所以在机动目标加速度模型的标准卡尔曼滤波算法的基础上,引入U-D矩阵分解,构造出一种协方差平方根自适应滤波算法,用来解决卡尔曼滤波的数值稳定性问题.它从原理上保证协方差阵在递推计算过程中始终保持正定性,具有速度快,精度高,计算量少的特点,有一定的应用价值. 相似文献