排序方式: 共有73条查询结果,搜索用时 94 毫秒
41.
基于联邦UKF算法的月球探测器自主组合导航 总被引:2,自引:0,他引:2
研究了月球探测器在地一月转移轨道阶段的自主导航方法,提出了利用地月位置信息和星光角距测量信息实现探测器自主组合导航的方案。针对导航系统的状态方程非线性的特点,将Unscented卡尔曼滤波算法和信息融合技术相结合,设计了新的联邦滤波器并应用于自主导航系统中。对这种导航方案进行了数值仿真,和传统的联邦滤波算法进行了比较。仿真结果表明,所提出的组合导航方法和联邦滤波算法的导航位置估计精度约为1km,速度估计精度约为0.01m/s,并且具有良好的鲁棒性和容错性能。 相似文献
42.
研究Unscented变换的基本原理及Unscented Kalman Filter(UKF)算法。为了降低跟踪系统计算复杂性,在Unscented变换中引入单位矩阵,以简单的数值计算取代复杂的矩阵分解求解矩阵平方根的过程,把UKF改进为FM- SRUKF。对三维坐标系下的变加速运动目标进行跟踪仿真。结果表明FMSRUKF具有更好的精度和鲁棒性。 相似文献
43.
余度MEMS-IMU/GPS组合导航系统 总被引:2,自引:1,他引:1
对采用余度配置的MEMS-IMU/GPS组合导航系统进行了研究。分析了微小型组合导航系统的特点和误差模型,针对惯性/GPS伪距组合导航模式下,卡尔曼滤波器需要对量测方程线性化的缺点,提出了基于改进平淡粒子滤波的滤波算法。该算法采用权值控制参数决定粒子是否进入平淡卡尔曼滤波器,有效降低了滤波计算量,并和UPF算法精度相当。研究表明,改进平淡粒子滤波算法对系统性能有明显提高,在GPS信号受到遮挡、暂时不可用的情况下,具有较好的抑制误差作用,适合余度微惯性/GPS组合导航系统的应用。 相似文献
44.
45.
46.
47.
融合交互式多模型和UPF(the unscented particle filter),提出了一种新的多模型滤波算法。多模型结构能适应目标高度机动,粒子滤波能处理非线性、非高斯问题,而UKF(the unscented Kalman filte,)可以提高估计精度。与其它交互式多模型算法进行了比较,试验仿真结果证实了新滤波算法的有效性。 相似文献
48.
一种基于模型误差预测的UKF方法 总被引:9,自引:2,他引:9
UnscentedKalman滤波器(UKF)对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感。针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF(PredictiveUnscentedKalmanFilter)。它利用非线性预测滤波器(NPF)的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足。仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能。PUKF可适用于模型不确定、非线性较强系统的滤波。 相似文献
49.
50.
大失准角下MIMU空中快速对准技术 总被引:3,自引:1,他引:2
为了提高微小型无人机空中的反应速度和作业精度,提出将基于模型误差预测的扩展卡尔曼滤波(MEP-EKF)方法应用在大失准角下微惯性测量单元(MIMU)的空中对准中,通过不同机动飞行策略的仿真结果,证实MEP-EKF算法不仅能够实时估计出系统的模型误差,而且将其与扩展卡尔曼滤波(EKF)和Unscented卡尔曼滤波(UKF)方法进行了仿真比较,结果表明MEP-EKF算法在方位误差角的估计上,取得了比EKF和UKF精度高的仿真结果,使得方位失准角由30°快速下降到1°左右,而且MEP-EKF所需时间仅是UKF的17%。 相似文献