无迹
- 基于改进无迹卡尔曼滤波算法的水下目标跟踪
er，EKF)和无迹卡尔曼滤波(Unscented Kalman Filter，UKF)是常见的两种非线性滤波系统。EKF是针对非线性系统应用非常普遍的状态估计方法，但是其依赖对非线性系统的线性化来传播状态的均值和协方差，依赖于局部非线性强度，当系统的线性化比较严重时，其估计并不准确。而且在线性化时需要推导复杂的雅可比矩阵，需要计算并保留非线性函数泰勒展开式的一阶近似项，不适用于更高阶的非线性系统。Julier等[1-2]基于近似概率分布比近似非线性函数或
计算机应用与软件 2022年9期2022-10-10
- 基于无迹卡尔曼滤波的室内定位系统
计算量大幅增加。无迹卡尔曼滤波是一种非线性滤波器，它可以解决传统卡尔曼滤波器无法解决的非视距（NLOS）误差问题，又可以避免扩展卡尔曼滤波器计算量大的缺点。杨紫阳等利用无迹卡尔曼算法对通过CHAN算法解算出的定位数据进行滤波处理，效果较好，但实际上误差来源于UWB传感器采集原始数据的过程。因此文章针对这一问题提出先采用无迹卡尔曼滤波处理数据，然后进行定位解算，最后完成了实验验证。1 滤波系统设计无迹卡尔曼滤波可以很好地解决非线性问题，能够处理复杂环境带来的
物联网技术 2022年7期2022-07-21
- 基于自适应无迹卡尔曼滤波的四旋翼无人机姿态解算
7-9]提出使用无迹卡尔曼滤波(Unscented Kalman Filter，UKF)算法进行无人机姿态解算，减小了EKF算法线性化带来的误差，且无需计算雅可比矩阵，具有更快的收敛速度。在UKF算法中，基于无迹变换生成的sigma-point近似值更新方程[10]，凭借其更高的姿态求解精度和强鲁棒性，尤其适合于高度非线性运动学模型的姿态估计。然而，根据经验选择的UKF算法关键参数——过程噪声协方差Q对复杂工作环境下的估计精度有很大影响。文献[11]通过求
电光与控制 2022年7期2022-07-15
- 基于序贯思想的高阶无迹变换多普勒雷达跟踪算法
EKF）[7]和无迹卡尔曼滤波（Unscented Kalman Filtering，UKF）[8]。其中，扩展卡尔曼滤波在处理过程中主要利用泰勒级数展开，将跟踪系统转化为线性问题，将展开式中所有二阶及高阶项略去，这样就可将系统线性化，使得这个问题能够用卡尔曼滤波（Kalman Filtering，KF）方法来解决。无迹卡尔曼滤波不需要将非线性模型转化成线性模型，只借助无迹变换重新构造sigma点，使非线性系统适用于线性KF算法。尽管这两种滤波算法自从发明
电视技术 2022年4期2022-05-25
- 基于优化无迹卡尔曼滤波的注入信号检测*
状态监测的精度。无迹卡尔曼滤波是一种基于无迹变换的非线性卡尔曼滤波器［9］，拥有计算量小、跟踪能力强等特点，广泛运用于电力系统的稳态和暂态分析中，常规无迹卡尔曼状态噪声协方差和观测噪声协方差一般取常量，误差较大。为提高测量精度，本文利用粒子群优化算法对无迹卡尔曼滤波算法的状态噪声协方差和观测噪声协方差进行优化，能够有效地提高电流的检测精度。2 注入信号模型混频注入法通过向乘法器注入两个相乘的接近于工频的正弦交流信号，由三角变换公式可得相当于注入两个频率分别
计算机与数字工程 2022年3期2022-04-07
- 最佳自适应无迹卡尔曼滤波算法应用研究
lmann提出了无迹卡尔曼滤波[1，2，3]，该算法采用线性卡尔曼滤波框架，以无迹变换为基础，通过某种采样策略生成采样点集，然后将采样点集通过无迹变换得到新的采样点集，将变换后采样点集的统计特性作为问题结果，避免了线性化误差，而且需要很少的采样点就可以得到优于扩展卡尔曼滤波的估计结果，不仅易于实现而且在保持与线性化方法相当运算量的同时具有较高的估计精度和较广的适用范围[4]。在许多实际问题中，无迹卡尔曼滤波对前一时刻状态参数估值比较敏感，其误差将会直接影响
城市勘测 2022年1期2022-03-06
- 基于无迹粒子滤波算法的航空发动机排气温度预测
预测方法。提出的无迹粒子滤波（Unscented Particle Filter，UPF）算法首次应用在航空发动机EGTM 预测领域，UPF 以无迹卡尔曼滤波（Unscented Kalman Filter，UKF）的结果作为建议分布[15]，引入最新观测值进行预测修正。1 无迹粒子滤波算法粒子滤波基于蒙特卡罗和递归贝叶斯滤波方法[16]。为了解决粒子权重差异大的问题，有2 种策略，即重采样和选择合理的建议分布[17]。重采样会导致粒子贫化，选择合理的建议
航空发动机 2021年6期2022-01-07
- 基于双层改进无迹卡尔曼的曲轴信号修正算法
，通过一种强跟踪无迹卡尔曼滤波（Unscented Kalman Filter，UKF）目标跟踪算法［7］，来保证目标的跟踪精度.另外，为了消除噪声带来的误差，通过一种高斯噪声驱动的算法模型［8］，利用非高斯性的优点来满足计算要求.文献［9］针对未知输入的非线性系统，使用一种基于无迹卡尔曼滤波UKF的无偏最小方差估计（Unbiased Minimum-variance，UMV）方法，在抵抗非高斯噪声和异常值具有突出的优势.文献［10］通过一种新的双层无迹卡
昆明理工大学学报(自然科学版) 2021年5期2021-11-06
- 基于GPS/INS的自适应无迹Kalman滤波算法
积Kalman、无迹Kalman等。在GPS/INS系统中，存在很多干扰因素，如系统模型扰动，噪声误差等，如果不考虑这些方面影响，组合导航系统将会产生测姿定位错误，带来非常恶劣的影响[10]。本文在GPS与INS紧组合的情况下，利用四元数法对无人机轨迹进行测姿，对姿态角的信息运用扩展Kalman滤波、无迹Kalman滤波和改进的算法进行处理，并对比结果，分析实验数据。在无迹Kalman滤波基础上，提出改进算法，对数据进行最优估计和误差补偿。1 基础知识1.
河南理工大学学报(自然科学版) 2021年6期2021-10-20
- 改进一阶鞍点近似的概率潮流
点估计法为2n,无迹变换法为2n+1。同时不使用积分或微分算子,并且能估计偏微分方程的更高矩[10]。1 概率潮流模型采用2n个非线性方程组描述m-母线电力系统的潮流问题[11],如下其中Pk为k母线注入的净有功功率,Qk为k母线注入的净无功功率,Vi和Vk分别为i母线和k母线的电压幅值,δki为k母线和i母线之间的角度差,Gki和Bki为k母线和i母线之间的电导和电纳,m为母线数量。方程(1)和方程(2)由Gauss-Seidel和Newton-Raph
吉林大学学报(信息科学版) 2021年3期2021-09-05
- 基于扩展型共轭无迹变换的随机不确定性传播分析方法
1− 14]以及无迹变换积分方法[15−16]。张量积分方法具有很高的计算精度，但维数灾难问题不可避免[10]。稀疏网格积分方法利用一维配置点的特殊张量积操作进行线性组合来构建多维求积公式，较张量积分效率更高，可以一定程度上缓解维数灾难；但稀疏网格积分对交叉项影响显著的情形精度有所减弱[13]；此外，此方法可能会出现负权系数[13]，导致较大的误差[14]。无迹变换积分方法是缓解维数灾难的另一类途径[15−16]，其思路是通过单维或多维单项式精确积分的约束
工程力学 2021年8期2021-08-27
- 《度门寺无迹禅师碑文》：晚明北宗禅的缩影
[提要]《度门寺无迹禅师碑文》陈述了无迹正诲禅师的生平事迹、求法经历、追慕度门兰若以及复兴玉泉寺等事宜。不仅如此，该碑文还构建了自大唐神秀至晚明常镇、正诲及了凡乘时这一时段北宗禅的传承谱系。在梳理、校释《度门寺无迹禅师碑文》的基础上，通过对碑文内容的逐层分析和品读，进而诠释该碑文对“北宗禅的谱系构建”“唐以降北宗禅发展的图景”“北宗禅僧与士大夫的互动”“佛门僧众对南北两宗的立场”以及“北宗禅修行方式上的转变”等方面的诸种影射。同时，文末还以《度门寺无迹禅师
西南民族大学学报(人文社会科学版) 2021年4期2021-04-23
- 善行无迹
且庵善行无迹，语出《老子》第二十七章：“善行者无辙迹，善言者无瑕谪，善数者不以筹策，善闭者无关钥而不可启也，善结者無纆约而不可解也。”善于行走的不留痕迹，善于言谈的没有过失，善于计算的不用筹码，善于关闭的不用闩销却使人不能开，善于捆缚的不用绳索却使人不能解。善行无迹，以之可观人观文章。如今的名人明星，有的拿腔拿调，有的故作高深，这是做人做得太有痕迹。如今的所谓美文，一味要“以情感人”，一味要“富有哲理”，这是做文章做得太有痕迹。做人做文章痕迹太露，就都不好
领导文萃 2021年5期2021-04-02
- 基于多传感器信息融合技术的SCI-AUFK滤波器
文献[3]提出了无迹Kalman滤波(UKF)算法，避免了雅克比问题，可用于实时估计系统；但是UT变换基础是以高斯概率分布为条件的，该算法不适用于非高斯系统。文献[4]应用UKF算法的新息序列设计了一种自适应无迹Kalman滤波(AUKF)算法，以估算测量噪声的统计特性，实现了量测噪声统计特性的在线估计。对于多传感器CI融合估计，文献[5]通过对多个局部传感器的无偏估计值联立进行融合处理，提出了批处理协方差交叉(BCI)融合器，但增加了计算负担。为了减少复
探测与控制学报 2021年6期2021-02-21
- 约束无迹粒子滤波及其在汽车导航中的应用
波精度有待提高。无迹卡尔曼滤波［14-15］采用无迹变换预测下一时刻的值，避免了线性化的过程，提高了运算精度。文献［16］将无迹卡尔曼滤波与粒子滤波结合，用无迹卡尔曼滤波生成粒子滤波的采样点，提出了无迹粒子滤波算法，提高了算法的精度。但是无迹粒子滤波同样存在随着系统维数提高，计算量上升很快，对于组合导航这种对实时性要求很高的系统，计算效率远远满足不了要求。本文将约束方程引入无迹粒子滤波算法中，提出一种改进的约束粒子滤波算法，约束方程的引入可以降低系统的维数
火力与指挥控制 2019年1期2019-06-15
- 一种改进的无迹Kalman滤波在SINS/GPS组合导航中的应用
]。此时就出现了无迹Kalman滤波(Unscented Kalman Filtering， UKF)。本文针对无迹Kalman滤波导致滤波性能急剧下降和发散的问题，提出了基于抗差因子的无迹Kalman滤波。一方面通过扩维，增加了系统的输入信息，减小了噪声对系统的影响；另一方面可以减小异常观测量对状态估计值的影响。1 SINS/GPS组合导航数学模型SINS选取东北天地理坐标系n作为导航坐标系，采用20维的状态参数来建立系统状态方程。SINS/GPS的状态
宇航总体技术 2019年1期2019-01-30
- 一种简化鲁棒的传感网络节点三维估计算法
献[7]提出一种无迹卡尔曼滤波器(Unscented Kalman Filter，UKF)，它通过确定性采样得到一系列的样本点，并经过非线性方程进行传递，得到了更高阶的精度．文献[8]采用无迹卡尔曼滤波器提高了节点估计的效果．但以上方法只对理想的高斯噪声有较好的性能，而实际传感网络中由于受到系统自身的误操作、人为指令的影响，使得到的测量值通常带有重尾的非高斯干扰，因此针对非高斯噪声影响下的节点估计已成为一个亟待解决的问题．文献[9]提出了一种鲁棒的方法——
西安电子科技大学学报 2018年5期2018-10-11
- 带非线性等式约束无迹卡尔曼滤波方法
er，EKF)、无迹卡尔曼滤波(Unscented Kalman Filter，UKF)、滚动时域估计(Moving Horizon Estimation，MHE)及粒子滤波(Particle Filter，PF)等。实际问题中，很多动态系统都满足额外的条件信息，即状态要满足一些约束条件，这些约束源自于物理规律、数学条件及一些实际限制条件等，并能用一系列线性或非线性的等式或不等式予以描述。正确地吸纳约束信息到滤波过程中，有助于提高状态估计的质量和精确度;然
计算机应用 2018年5期2018-07-25
- 基于改进无迹卡尔曼滤波的电池SOC估计
C估计的实时性。无迹卡尔曼滤波（Unscented Kalman Filter，UKF）算法最适用于汽车行驶过程中的SOC测量，但当SOC初始值误差较大时，无迹卡尔曼滤波收敛较慢[7]，为此，本文通过对量测噪声协方差矩阵进行设计，提出了改进的无迹卡尔曼滤波算法（Improved Unscented Kalman Filter,IUKF），此算法解决了收敛速度慢的问题，提高了SOC估计精度。2 磷酸铁锂电池模型2.1 电池常用模型电池的电气模型一般分为等效电
汽车技术 2018年4期2018-04-25
- 魏葵关注原因
论形式秩序均浑然无迹。而在作品中所蕴含的生命感，源于他那自信且充满希望的孤清，这一份孤清就延续出了传统文人画的精神高标与适意。因而，他的画具有深刻的立意，在此基础上利用其特有的笔墨功夫，于象中出象，于意中不意，在在是物，又念念非物。流淌之于他笔下的作品，人也好，物也罢，都体现出他对于生命的留恋。所以，他的作品最能唤醒我们的集体记忆和意识，寻找到我们共同的人格。正是这样的原由，每每我看到他的画作便会被吸引、被打动，体察到一份久违的慰藉。就此而言，与其说是我开
中国画画刊 2018年6期2018-01-24
- 自然
功夫。行云流水，无迹无踪，有文气贯之，有意趣贯之，有真情贯之，有自然贯之。自然就是真情。自然就是了然于心、得心应手。自然最舒適，自然最养生。然而，自然不是木然，不是自私地自欺欺人。自然的舒适是胸襟坦诚者不必乔装打扮自己的任何喜怒哀乐的舒适，是敢于见阳光的舒适。自然的养生是睁着眼的乐观者的养生。有技巧却没有匠气，有小术却不乏大道，有起承转合却看不到惨淡经营者紧皱的眉头，有修辞却看不到炼字炼句者的苍白面孔。圆熟而不油滑，丰赡却不卖弄，动情而不絮叨，思辨却没有“
读者·校园版 2017年23期2017-11-11
- 卡尔曼滤波算法研究
卡尔曼滤波、扩维无迹卡尔曼滤波和自适应卡尔曼滤波等3种最新改进型的卡尔曼滤波算法进行了详细阐述，最后对这3种新改进型的卡尔曼滤波算法的优缺点进行了对比分析，对各自的适用领域和场景进行了说明。卡尔曼滤波；近似二阶扩展卡尔曼滤波；无迹卡尔曼滤波；自适应卡尔曼滤波0 引 言卡尔曼滤波器最早要追寻到1960年卡尔曼先生发表的关于利用递归算法来求解离散线性滤波器问题的学术论文——《A New Approach to Linear Filtering and Pred
舰船电子对抗 2017年3期2017-07-31
- An Adaptive Unscented Kalman Filter for Tracking Sudden Environmental Forces Changes in Dynamic Positioning System
境力突变的自适应无迹卡尔曼滤波丁浩晗a，b，冯辉a，b，徐海祥a，b （武汉理工大学a．高性能船舶技术教育部重点实验室；b．交通学院，武汉430063）无迹卡尔曼滤波可以在状态估计中滤去噪声干扰，已经被广泛应用于动力定位系统中。针对复杂海洋情况下动力定位系统需要准确、及时地估计当前时刻的状态而无迹卡尔曼滤波无法跟踪状态突变的问题，为此文章提出了一种自适应无迹卡尔曼滤波。通过及时判断状态值突变并适当调整后验均方差矩阵，可有效地跟踪船舶状态并减小实际位置与定点
船舶力学 2017年6期2017-06-22
- 基于无迹卡尔曼滤波估算电池SOC
了结合神经网络的无迹卡尔曼滤波算法。以Thevenin电路为等效电路模型，建立了状态空间表达式，采用最小二乘算法对模型参数进行辨识。在此基础上，利用神经网络算法拟合电池的荷电状态与模型各个参数之间的函数关系，经过多次实验，确定了神经网络算法的收敛曲线，此方法比传统的曲线拟合精度高。介绍了扩展卡尔曼滤波和无迹卡尔曼滤波的原理，并设计了等效电路模型验证实验、电池的SOC测试实验和算法的收敛性实验。实验结果表明，在不同的工况环境下，该方法估计SOC具有可在线估算
计算机应用 2016年12期2017-01-13
- 风吹内蒙
巢穴无所不在，且无迹可循，像一个巨大的秘密。我无法比拟自己。漂浮于草原的心脏、内蒙的胸腔。我看见天蓝得彻底，大地静得出奇，阴山山脉阻断了南北，呼和浩特停泊在时空的沙尘上……我只能浮在风中。我看不见风的影子，只感觉它们正从四面八方涌来——激情，呼啸，痛快，酣畅……倏忽之间，我被风举起，又放下。一次次，一遍遍。仿佛上下生活的阶梯，或练习飞翔。只是上升时我没有喜悦和激动。我发现：西北荒凉。蒙古浩瀚。我仅一片落叶，或一株小草，正在经历内心的沙尘暴。
散文诗 2016年11期2016-12-07
- 两类改进非线性滤波器UKF算法综述
行简述，引出标准无迹卡尔曼滤波和标准无迹变换的采样策略。通过对标准无迹卡尔曼滤波的分析，从两个切入点对标准无迹卡尔曼滤波进行改进,即超球体采样平方根无迹卡尔曼滤波和强跟踪无迹卡尔曼滤波，给出了对应的详细算法，并对无迹卡尔曼滤波算法进行总结与评述。无迹卡尔曼滤波 采样策略 超球体平方根无迹卡尔曼滤波 强跟踪无迹卡尔曼滤波1960年，美国数学家卡尔曼提出一种滤波方法，将其命名为卡尔曼滤波[1]。卡尔曼滤波的基本思想是将噪声融入系统的状态空间模型之中，对前一时刻
化工自动化及仪表 2016年10期2016-11-22
- 基于无迹卡尔曼滤波的车辆重心高度在线估计*
0070)基于无迹卡尔曼滤波的车辆重心高度在线估计*褚端峰1,2,3)田飞1, 3)吴超仲1, 3)胡钊政1, 3)裴晓飞4)(武汉理工大学智能交通系统研究中心1)武汉430063)(车路协同与安全控制北京市重点实验室2)北京100191)(水路公路交通安全控制与装备教育部工程研究中心3)武汉430063)(武汉理工大学汽车工程学院4)武汉430070)重型货车的载重变化会引起重心高度发生明显漂移，而准确、及时地获取车辆重心高度，对于车辆主动安全系统至关
武汉理工大学学报（交通科学与工程版） 2016年4期2016-08-29
- 高阶无迹卡尔曼滤波算法在飞机定位中的应用
0300)高阶无迹卡尔曼滤波算法在飞机定位中的应用刘家学林松岩(中国民航大学航空自动化学院天津 300300)摘要无迹卡尔曼滤波算法(UKF)在飞机定位和跟踪的过程中精度不够，原因在于误差变量的偏度和峰态在坐标转换过程中对其分布影响很大。为了解决这一问题，将高阶无迹卡尔曼滤波算法应用到QAR数据中。首先，根据高阶UT变换，选取一组样本点(sigma点)表征k时刻最优估计值前四阶矩的分布特征，通过传递得到k+1时刻一步预测值的先验概率分布。然后以观测数据作
计算机应用与软件 2016年5期2016-06-08
- Underwater bearing-only tracking based on square-root unscented Kalman filter smoothing algorithm
降，提出将平方根无迹卡尔曼滤波平滑算法（SR-UKFS）应用到水下纯方位目标跟踪。SR-UKFS利用Rauch-Tung-Striebel（RTS）平滑算法将平方根无迹卡尔曼滤波（SR-UKF）作为前向滤波算法得到的目标状态估计向后平滑，得到前一时刻目标状态估计，再利用该状态估计值进行再次滤波得到当前时刻目标状态估计。该算法得到的前一时刻的目标状态估计更加精确，从而进一步提高了目标跟踪的精度。最后，通过对SR-UKFS算法和SR-UKF算法的跟踪性能进行了
中国惯性技术学报 2016年2期2016-04-13
- IMM迭代无迹Kalman 粒子滤波目标跟踪算法
［8］提出了迭代无迹Kalman粒子滤波算法，在提高算法精度的同时又可降低算法的计算量。本文结合IMM和迭代无迹Kalman粒子滤波各自的优势，提出IMM迭代无迹Kalman粒子滤波跟踪算法。IMM各模型滤波采用迭代无迹Kalman粒子滤波算法生成粒子滤波的重要性分布，从而提高采样质量，进而达到改善算法性能的目的。仿真结果表明，该算法性能优于IMMPF。1 模型的建立1.1 机动式再入目标气动力模型机动式再入目标与弹道式再入目标受力方面最大的不同就是:目标
重庆邮电大学学报(自然科学版) 2015年1期2015-12-15
- 基于无迹卡尔曼滤波的四旋翼无人飞行器姿态估计算法
计精度，本文利用无迹卡尔曼滤波算法实现飞行器的姿态估计.无迹卡尔曼滤波算法在姿态角的估计值附近进行确定采样，得到一些采样点，这些采样点被称为Sigma点.在无迹卡尔曼滤波算法中，状态分布采用高斯随机变量表示，通过采用一些确定的Sigma点来描述高斯随机变量的特征.Sigma点集合具有和高斯随机变量相同的均值和方差.这些采样点通过非线性函数传播后，后验均值和方差可以达到2阶精度，而扩展卡尔曼滤波算法只能达到1阶精度［4］.无迹卡尔曼滤波算法不同于扩展卡尔曼滤
测试技术学报 2014年3期2014-02-10
- 路石的低语
默无声息。风无踪无迹。我依稀听见路石的低语，如同深居沙下的蟋蟀轻巧地鸣曲。All day， since the first lightwe had been traveling.Not a bird， nothing furredjust rock and shadowand a light that made the stoneslook bloody.The oxens feet were red，their backs wet and black；t
阅读与作文（英语初中版） 2013年7期2013-08-20