排序方式： 共有2条查询结果，搜索用时 62 毫秒
1
1.
陀螺随机误差是影响惯导系统导航精度的重要方面.减小随机误差影响的有效方法是对随机误差进行建模并采用合适的滤波器进行滤波.为了更好地描述激光陀螺漂移的非线性,提出应用一类非参数ARMA模型--FARMA(p,q,d)模型(函数系数自回归滑动平均模型)对激光陀螺漂移数据进行建模.同时提出应用粒子滤波技术进行滤波,并采用交叠式Allan方差法辨识滤波前后随机误差噪声参数.仿真结果表明,应用该模型能较好的反映激光陀螺漂移的非线性;粒子滤波技术能有效抑制随机误差,5个误差项系数的减少均在29%以上. 相似文献
2.
基于GPR模型的自适应平方根容积卡尔曼滤波算法 总被引：2，自引：0，他引：2
与传统算法一样,动态系统的参数化模型(含噪声统计特性)未知或不够准确易导致容积卡尔曼滤波(CKF)效果严重下降,甚至滤波结果发散.为此,利用高斯过程回归(GPR)方法对训练数据进行学习,得到动态系统的状态转移GPR模型和量测GPR模型以及噪声统计特性,用以替代或增强原有动态系统模型,并将其融入到平方根容积卡尔曼滤波(SRCKF)中,分别提出了无模型高斯过程SRCKF (MFGP-SRCKF)和模型增强高斯过程SRCKF (MEGP-SRCKF)两种算法.仿真结果表明:这两种新的自适应滤波算法提高了动态系统模型精度,且实时自适应调整噪声的协方差,克服了传统算法滤波性能易受系统模型限制的问题;与MFGP-SRCKF相比,在给定一个不够准确的参数化模型,且有限的训练数据未能遍布估计状态空间的情况下,MEGP-SRCKF具备更高的滤波精度. 相似文献
1