共查询到19条相似文献,搜索用时 78 毫秒
1.
针对降噪过程极易丢失原始数据,产生粗大误差后数据的噪声协方差初始值偏差的问题,研究了电子档案信息化数据自适应无迹卡尔曼(Kalman)滤波降噪算法。电子档案信息化架构包含数据层、业务层、用户层,数据层根据用户层的用户数据请求,完成电子档案信息化数据预处理、决策、监测、分析等,通过拉以达(Laida)准则对电子档案信息化数据提出假设,获取标准偏差概率,确定区间剔除粗大误差,应用Sage-Husa滤波器估计剔除粗大误差后数据的噪声协方差、抑制初始值偏差,最大限度地保留其原始数据,利用无迹卡尔曼算法,实时估计电子档案信息化数据的未知噪声特性,完成电子档案信息化数据降噪,并通过虚拟感应服务连接数据层、用户层、业务层,在业务层呈现用户所需电子档案信息。实验结果表明,该算法能够有效去除电子档案信息化数据的多种噪声,并保留有效数据。 相似文献
2.
3.
4.
5.
6.
7.
阐述一种利用多传感器信息融合技术提高车辆定位精度和可靠性的方法。首先,通过建立陀螺仪、加速度计和里程计传感器的数学模型和联邦卡尔曼滤波器数学模型,对SINS/GPS/OD传感器采集到的数据进行信息融合处理,提高系统定位精度和可靠性;其次,采用MATLAB对纯惯性导航系统、SINS/GPS/OD组合导航系统及其各子系统进行了数字仿真。仿真实验结果表明:本系统较纯惯性导航系统定位精度显著提高,并具备一定的容错能力。 相似文献
8.
该文在分析无迹变换缩放参数选择方法的基础上,通过对几种缩放参数选择方法的对比分析后,确定以缩放参数选择作为优化目标,将差分演化算法(Differential Evolution, DE)应用到无迹卡尔曼滤波(Unscented Kalman Filter, UKF)计算中,选择每时刻滤波误差最小的缩放参数。提出了基于差分演化算法的自适应无迹卡尔曼滤波算法。通过实验表明,这种自适应策略不仅能够有效提高UKF的精度,避免使用固定缩放参数时可能造成的滤波随机发散;而且不受缩放参数个数限制,可以应用到任意形式的UKF中。 相似文献
9.
10.
11.
UKF训练PMLP的优点是无需计算动态偏导数,但UKF面临计算量大的问题,降低计算量是UKF的研究重点之一。本文提出反向遍历sigma点的方法,可以显著降低UKF有2N_w 1或N_w 2个sigma点两种情况下的计算量。另外,对2N_w 1个sigma点的情况,本文提出解耦合方法,能有效降低存储协方差阵所需空间。综合反向遍历方法和解耦合方法,本文给出UKF训练RMLP的快速算法。在动态系统辨识的仿真中,本文方法节省近80%的计算量和近90%的存储空间。 相似文献
12.
对于单站的被动目标跟踪,在笛卡儿坐标系下建立跟踪模型,并用扩展的卡尔曼滤波(EKF)进行预测,得到的结果通常是不稳定且容易发散的。针对这种情况,提出了在修正的极坐标系下建立状态模型,摒弃传统的EKF算法,采用无迹卡尔曼滤波(UKF)算法,通过采样逼近非线性函数。数字仿真结果表明:在修正的极坐标中利用UKF算法得到的结果比EKF算法具有更快的收敛速度和更高的估计精度,且稳定性更好。 相似文献
13.
有色噪声下的不敏卡尔曼滤波器 总被引:1,自引:0,他引:1
有色噪声干扰情况下非线性系统的状态估计是许多实际工程需要解决的问题。通常的方法是利用扩展卡尔曼滤波方法将非线性系统线性化后,再利用线性系统的方法对有色噪声系统进行估计。然而,模型的线性化误差往往会严重影响最终的滤波精度,甚至导致滤波发散。为了避免此类误差,先通过对测量方程进行变换的方法,将观测方程的有色噪声转换为白噪声后,再利用不敏卡尔曼滤波方法,对系统的状态进行估计。虽然,该方法也需要对观测方程进行线性化,但是由于此线性化过程是在求解新量测方程的测量误差中进行,因此对系统的误差影响不是很大。仿真结果表明新方法能够有效地对有色噪声环境下系统的状态进行估计,性能要优于现有的一些基于EKF的方法。 相似文献
14.
15.
16.
17.
一种基于差分演化的粒子滤波算法 总被引:1,自引:0,他引:1
针对粒子滤波(Particle Filter, PF)存在的粒子退化和贫化问题,该文提出一种基于差分演化(Differential Evolution, DE)的PF算法。首先,为了充分利用最新的观测信息,采用无迹卡尔曼滤波(Unscented Kalman Filter, UKF)来产生重要性分布,对重要性分布产生的采样粒子不再做传统重采样操作,而是直接把采样粒子当作DE中的种群样本,粒子权重作为样本的适应函数,对粒子做差分变异、交叉、选择等迭代优化,最后得到最优的粒子点集。试验结果表明,该算法有效缓解了传统PF算法中的粒子退化和贫化,提高了粒子的利用率,具有较好的估计精度。 相似文献
18.
众所周知,UKF滤波的应用需要事先准确知道量测噪声的统计特性。首先简要分析了UKF滤波的基本算法,然后利用小波变换可以实时分离信号和噪声的特性,提出了一种在未知量测噪声条件下的UKF算法,该算法可以实时跟踪量测噪声的变化,即实现了对量测噪声的实时估计,从而解决了在未知量测噪声的条件下UKF滤波问题。最后讨论了该方法在信息融合中的应用,仿真结果证明了方法的有效性和实用性。 相似文献
19.