共查询到20条相似文献,搜索用时 15 毫秒
1.
非线性非高斯秩滤波方法 总被引:1,自引:0,他引:1
基于秩滤波原理,提出一种非线性非高斯秩滤波方法,给出其递推过程.目前常用的非线性滤波方法有无迹Kalman滤波和粒子滤波,无迹Kalman滤波只适用于高斯分布的情况,粒子滤波方法却存在粒子退化及重采样引起的粒子贫化问题.而非线性非高斯秩滤波方法不仅适用于常见的多元t分布、多元极值分布等非高斯分布的非线性滤波,并且计算简单、工作量小,便于工程应用.从仿真算例可以看到,该方法的滤波精度与无迹Kalman滤波和粒子滤波方法相比提高了500%以上. 相似文献
2.
为了研究平台式惯导INS(interial navigation system)和全球定位系统GPS(globe position system)组合导航联邦滤波器的实现,使用速度局部滤波器和位置局部滤波器,分别对INS/GPS组合导航系统的向东速度、向北速度,以及对经度和纬度进行卡尔曼滤波,然后将位置数据和速度数据输入主滤波进行数据融合。以无人机的向东匀速水平飞行为背景,运用联邦卡尔曼滤波器算法,使用matelab进行仿真分析。可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度.实际应用中此方法可行。 相似文献
3.
目前,监测传感器传出信号中混有很多噪声,为提高信号可信度,需要一种有效的信号处理方法。文章基于Matlab仿真环境,完成了信号仿真和滤波算法的设计,重点对单传感器仿真信号的去噪和多传感器信息融合进行了研究,提出了基于中值滤波和小波阈值滤波的混合滤波方案和基于Kalman滤波的信号融合方案。研究工作有:基于高斯白噪声和脉冲噪声的数学特性,合理假设出5种基本信号形式;依据实际数据,完成单传感器和多传感器信号仿真,确定信噪比和均方根误差作为去噪评定指标;综合分析现有的滤波算法的滤波特性,利用不同长度滑动窗口的中值滤波处理实验信号,选取合适长度的滑动窗口。设置对比实验确定小波阈值滤波中的小波基函数选取、阈值计算和分解尺度等参数;融合中值滤波和小波阈值滤波优势,设计混合滤波方案,去除单传感器仿真信号中的噪声;研究信息融合理论在泄漏监测系统中的应用,设置不同融合方式下的对比实验,确立最佳融合方式下的Kalman滤波方案,实现多传感器信息融合。 相似文献
4.
5.
论述了利用计算机的计算功能对空速管的位置误差进行滤波消隐的概念,讨论了位置误差的计算和试飞测定问题,给出了静压的滤波函数。已应用在K-8型飞机上,取得了很好的使用效果。 相似文献
6.
针对工程实际中遇到的非线性系统状态方程中含未知输入(如环境因素的影响、模型和参数选取不当等)的情况,采用自校准技术,基于秩滤波与无迹Kalman滤波算法提出了一种非线性状态方程自校准滤波方法,并分别讨论了自校准秩滤波(SRF)与自校准无迹Kalman滤波(SUKF)两种情况。大量仿真结果和工程应用表明:与无迹Kalman滤波(UKF)相比,该方法通过对系统状态方程中的未知输入进行自动估计和补偿,改善了系统受未知输入影响下的滤波效果,从算例中可以看到,估计精度至少提高了80%,且计算简单,便于工程应用。 相似文献
7.
8.
研究了飞机飞行试验数据处理中的非线性鲁棒滤波技术,分析给出了实际飞行条件了一种飞机运动的新模型,它是含不确定参数项的非线性模型,同时给出了该不确定参数项的解析的表达形式,然后研究了对应于此类非线不确定系统的鲁棒滤波算法,得到了该滤波问题的充分解,并对该解进行扩展线性化处理,得么了一个较易实现的扩展鲁棒滤波算法,最后利用该算法对实际的数据进行了处理,结果表明,所提出的算法是切实可行的。 相似文献
9.
提出自适应增量Kalman滤波(AIKF)的概念和定义,建立自适应增量Kalman滤波模型及其分析方法,给出主要的计算步骤.传统自适应Kalman滤波(AKF)方法能够对事先未知的系统噪声和量测噪声的统计量进行有效的估计.但是,传统自适应Kalman滤波方法也无法对由于环境因素(如深空探测)的影响、测量设备的不稳定性等原因产生的未知时变测量系统误差进行补偿和校正,从而产生较大的滤波误差,甚至导致发散.提出的自适应增量Kalman滤波方法不但能够对系统噪声和量测噪声的统计量进行估计,而且还能成功消除这种测量系统误差,有效地提高滤波精度.该方法计算简单,便于工程应用. 相似文献
10.
基于扩展增量Kalman滤波方法(EIKF)和自适应增量Kalman滤波(AIKF),建立自适应扩展增量Kalman(AEIKF)模型及其分析方法,给出递推算法.在许多实际情况(如深空探测),由于环境因素的影响、测量设备的不稳定性等原因,量测方程往往存在未知的系统误差,并且模型参数也具有不确定性,结果导致较大的Kalman滤波误差,影响滤波的收敛性.提出的AEIKF方法能够成功消除这种未知的系统误差,并能够实时估计变化的噪声统计量,提高Kalman滤波精度.该方法计算简单,便于工程应用. 相似文献
11.
提出自适应无迹增量滤波(AUIF)的概念和定义,建立自适应无迹增量滤波模型及其分析方法,给出递推算法.传统的滤波方法极少关注量测方程的系统误差.在许多实际情况(如深空探测),量测方程由于受环境因素及测量设备不稳定等影响往往无法进行验证或校准而存在未知的系统误差,并且模型参数和噪声统计量也具有不确定性.这种不确定性会使递推过程产生较大误差,甚至导致发散,从而降低滤波精度.提出的AUIF能够成功消除这种未知的系统误差,也能够实时估计变化的噪声统计量,提高滤波精度.该方法计算简单,便于工程应用. 相似文献
12.
13.
14.
自适应滤波技术的研究 总被引:6,自引:0,他引:6
应用常规卡尔曼滤波器(KF)要求知道系统精确的数学模型和系统噪声与量测噪声的统计特性,才能获得理想的滤波效果,否则可能产生发散现象。人们越来越倾向于利用自适应滤波(AKF)技术来解决发散的问题。针对AKF技术的研究现状,本文探讨一种结构简单、实时性较强、工程上比较实用的AKF算法。仿真结果表明,这种算法具有较强的自适应性,为一种实用而有效的滤波方法。 相似文献
15.
对于巡航导弹等精确制导武器和军用飞机导航系统,不仅要求高精度,而且要求具有快速的故障检测、隔离、系统重构能力。本文介绍一种将联合滤波技术应用于GPS/INS/罗兰C组合导航系统的设计。理论分析和仿真结构表明,这种设计要比标准的集中式卡尔曼滤波器设计和一般的分散滤波方法具有更好的故障检测、隔离和系统重构能力 相似文献
16.
17.
针对常规抗差自适应滤波算法在PPP/INS组合导航应用中存在难以准确识别和分离观测粗差及运动异常对定位结果影响的问题,基于分类因子自适应滤波原理,提出了一种抗差自适应分步滤波算法。该算法首先执行第一步滤波,对状态模型异常信息进行隔离,仅对观测粗差进行诊断和抗差处理;然后在第一步滤波的基础上,执行第二步滤波,对状态模型异常进行诊断和自适应处理。算法分析表明,抗差自适应分步滤波算法可以准确地识别和分离观测粗差和运动异常扰动。实验结果表明,抗差自适应分步滤波算法能够进一步增强滤波算法抵抗观测粗差和运动异常扰动对滤波结果的影响,提高PPP/INS组合导航系统定位结果的稳定性和可靠性。 相似文献
18.
19.
20.