共查询到18条相似文献,搜索用时 655 毫秒
1.
基于非线性滤波的水下地形辅助导航方法 总被引:1,自引:0,他引:1
为了解决水下航行器惯性导航误差随时间积累问题,利用地形辅助导航技术进行导航位置修正。由于水下地形的非线性,对基于扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)和粒子滤波(PF)3种非线性滤波方法的水下地形辅助导航算法进行研究。针对传统基于单波束声纳量测模型在小起伏地形区域导航精度低、易发散问题,从提高量测地形信息量角度,建立了基于多波束测深声纳的量测模型。使用多波束实测地形数据进行仿真试验,结果表明:无论在粗糙地形区域还是较平坦地形区域,多波束量测模型有效缓解了3种方法易发散问题,提高了导航精度。 相似文献
2.
纯方位目标运动分析的自适应衰减记忆滤波算法 总被引:1,自引:0,他引:1
为减小纯方位目标运动分析问题中由于运用扩展卡尔曼滤波所带来的线性化误差对解算精度的影响,提出了自适应衰减记忆扩展卡尔曼滤波算法。利用新息序列的概率分布特性,引入了自适应水平的概念,并研究了滤波中衰减因子的自适应问题,在此基础上构造了衰减因子的最佳自适应选取方法。对比仿真分析表明,新算法较原有算法滤波效果有所改善,增强了稳定性,提高了精度。 相似文献
3.
带边界约束的容积卡尔曼滤波 总被引:1,自引:0,他引:1
非线性系统的状态估计问题可以通过容积卡尔曼滤波解决,本文进一步针对非线性系统,提出了基于容积卡尔曼滤波和非线性动态数据融合算法的约束容积卡尔曼滤波方法,用以处理带边界约束的非线性系统的滤波。该滤波器使所有容积点均约束在边界之内,同时依据可相信程度确定相应的容积点权重,使滤波过程充分考虑状态约束的影响,提高滤波精度。但该算法的不足之处是运算量相对较大,随着计算机运算能力的提高,这一问题可以克服。仿真结果表明:相对于容积卡尔曼滤波算法,本算法敛速度更快、收敛精度更高,鲁棒性更好。 相似文献
4.
扩展卡尔曼滤波与采样卡尔曼滤波性能比较 总被引:3,自引:0,他引:3
详细研究了卡尔曼滤波在非线性系统中的应用,在分析扩展卡尔曼滤波理论的基础上,指出了其在非线性系统应用中的缺陷,阐述了采样卡尔曼滤波(UKF)思想,通过事例和仿真说明了这种新型卡尔曼滤波理论的优越性能。 相似文献
5.
针对带乘性噪声的一类非线性系统,给出了1种带单重渐消因子的强跟踪状态滤波算法。该算法将非线性系统线性化后,采用了线性最小方差估计方法来进行状态估计,通过运用正交原理和引入渐消因子,使得滤波效果具有强跟踪的优良性能。该算法扩展了卡尔曼滤波在带乘性噪声非线性系统状态估计中的应用范围。仿真结果表明了该算法的有效性。 相似文献
6.
由于水中声速较低,主动声呐完成量程范围的探测往往需要花费几秒甚至几十秒的时间,这个时间即为主动声呐的扫描周期。 主动声呐对目标的搜索、跟踪等处理都是按扫描周期进行的,目标信息刷新率较低,其上报系统进行目标诸元解算时同样具有这一特点。 为了提高声呐效能及系统解算效率,提出了一种无迹卡尔曼滤波(UKF) 与野值剔除相结合的目标实时航迹解算算法:首先在以声呐扫描周期为间隔获取的目标信息基础上,采用 UKF 预测出目标每秒方位、距离信息,并对野值点进行处理,实时地调整滤波增益或者进行野值计算,最后利用目标的位置信息解算出目标每秒的航速和航向信息。 通过目标在不同航向、 航速下的仿真实验,验证了本文算法的有效性和正确性。 相似文献
7.
纯方位目标跟踪-直角坐标卡尔曼滤波算法 总被引:2,自引:1,他引:1
对于纯方位目标跟踪问题 ,在利用卡尔曼滤波算法进行处理时 ,首先要进行观测方程及状态方程的线性化处理 ,自然导致线性化误差 ,为减少它对目标跟踪的影响 ,该文利用衰减记忆的卡尔曼滤波算法 ,通过蒙特卡罗模拟仿真实验表明其跟踪效果在收敛速度和收敛率以及稳定性等方面有了较大的提高。 相似文献
8.
在大气和海洋环境研究中,粒子滤波(PF)由于在非线性数据同化方面突出的优势,逐渐成为研究热点。最近改进的均权重粒子滤波(EWPF)为粒子滤波的进一步发展指明了新方向。集合卡尔曼滤波方法 (EAKF)作为当前主要应用的数据同化方法,使用高斯假设和线性假设来解决非线性问题,然而对均权重粒子滤波方法和卡尔曼滤波方法在非线性模式下的同化结果和特点还缺少系统详细的比较研究。本文在非线性耦合气候模式下,比较研究两种同化方法,采用均方根误差(RMSE)作为评价比较标准。实验结果表明,在非线性低频观测耦合模式中EWPF结果均优于EAKF。同时根据RMSE的结果得出,EWPF的同化结果更接近观察结果,而EAKF的同化结果更接近模式真值。 相似文献
9.
10.
张宏欣 《数字海洋与水下攻防》2018,1(1):57-62
针对非协作磁性目标定位中初始条件难以确定的问题,提出一种基于静态多模型滤波思想的自适应跟踪方法。 首先对磁场观测模型进行分析,设计了一种磁性目标初始参数估算方法,通过该方法得到不同假设条件下的磁性目标状态初值及其误差矩阵,在此基础上起始多个扩展卡尔曼滤波器(Extended Kalman Filter, EKF) 进行求解,根据各个滤波器的求解结果利用最大似然准则选取最佳解作为当前时刻估计结果。 通过仿真实验验证了方法的有效性,结果表明,方法可在目标源及位置等先验信息完全未知条件下准确估计出真实目标状态,对磁性目标实际应用具有参考价值。 相似文献
11.
重力辅助惯性导航的匹配算法初探 总被引:1,自引:0,他引:1
对重力辅助惯性导航技术的基本原理进行了分析,将采样卡尔曼滤波算法用于重力图形匹配。滤波通过设计少量的Σ点,并计算这些Σ点的经由非线性函数的传播,从而获得滤波值基于非线性状态方程的更新,较广义卡尔曼滤波具有计算精度高、便于计算的特点。 相似文献
12.
在各通道乘性噪声不同的情况下,针对多通道带乘性噪声非线性系统的状态估计问题,提出1种状态平滑算法。该算法运用扩展卡尔曼滤波方法先根据全部观测数据对状态进行滤波估计,并存储一步预测估计值和一步预测估计误差的方差,利用存储的数据进行递推运算,得到状态的固定域平滑估计。仿真结果表明平滑算法较滤波算法精确性更高,稳定性更强。 相似文献
13.
This study proposes a method for identification of the nonlinear dynamic model of an AUV while some states are unmeasured; hence, it concentrates on a nonlinear “state and parameter estimation” issue. In this method, a local linearization is used for solving the nonlinear dynamics based on the extended Kalman filter (EKF), and a particle filter (PF) is used to minimize errors and variances of the nonlinear system. In other words, the PF is combined with the EKF in the form of the extended Kalman particle filter (EKPF). The EKPF method is independent of the initial values and satisfies the limits of the parameters and also the assumption that the hydrodynamic coefficients are constant. Hence, it is shown when the ranges or signs of some parameters are known, the EKPF is a more accurate estimator than the EKF. Moreover, a new simulation is done using the model estimated by the EKPF and the results are compared and validated with the measured data of a new experimental test. It is shown that the obtained model can predict the trajectory path with the total normalized root-mean-square error (NRMSE) of 14% and the surge mean speed with the NRMSE of 5%; and it describes the 6DOF motion of the AUV more accurate than the EKF model. 相似文献
14.
15.
In underwater target tracking applications, measurement uncertainty and inaccuracies are usually modeled as additive Gaussian noise. The Gaussian model of noise may not be appropriate in many practical systems. The non-Gaussian noise and the model non-linearity arising in a tracking system will seriously affect the tracking performance. This paper discusses one way to create a robust version of the extended Kalman filter for enhanced underwater target tracking. State estimation in the filter is done through the robust regression approach and Welsch's proposal is used in the regression process. Monte Carlo simulation results with heavy-tailed contaminated observation noise demonstrate the robustness of the proposed estimation procedure 相似文献
16.
EnKF和SIR-PF在贝叶斯滤波框架下的比较和结合 总被引:3,自引:0,他引:3
贝叶斯估计理论为非线性、非高斯系统的数据同化提供了一个统一的框架。在本文中,我们利用著名的洛伦茨吸引子(Lorenz'63)模式对两种基于贝叶斯滤波理论的数据同化方法——集合卡尔曼滤波器(EnKF)和重取样粒子滤波器(SIR-PF)——进行了较为全面的比较。比较的结果揭示了两种方法的优缺点:即当集合成员数目较多时,SIR-PF的同化效果优于EnKF;反之,则EnKF的表现较好。进一步地,我们使用统计方法分析了两者表现的差异和原因。最近提出的一种集合卡尔曼粒子滤波器(EnKPF)通过使用一个可控的参数整合EnKF和SIR-PF的分析格式,可以结合两者的优点。本文在充分比较两种方法的前提下,重新阐释并改进了原有的EnKPF算法,使之适用于非线性的观测算子。通过使用相同的洛伦茨模式实验,我们揭示了EnKPF实质上提供了关于EnKF和SIR-PF的连续插值,使得后两者可以视为其特殊情况。并且,在集合成员数目有限的前提下,EnKPF可以在一定程度上避免滤波退化的发生,取得优于EnKF和SIR-PF的同化效果。 相似文献
17.