检索结果-内蒙古大学图书馆

光学学报 2024年第11期44卷 23-29页

作者：翁国翔田清华王富田凤张琦杨雷静忻向军北京邮电大学电子工程学院信息光子学与光通信国家重点实验室天地互联与融合北京市重点实验室北京100876 北京理工大学信息与电子学院北京100081

针对相干光通信系统中,传统容积卡尔曼滤波(CKF)算法和平方根容积卡尔曼滤波(SCKF)算法对偏振态旋转(RSOP)均衡存在鲁棒性不足、泛化性弱等问题,提出了一种新型的自适应SCKF算法,以实现对RSOP的跟踪补偿。该算法通过引入平方根因子直接... 详细信息

针对相干光通信系统中,传统容积卡尔曼滤波(CKF)算法和平方根容积卡尔曼滤波(SCKF)算法对偏振态旋转(RSOP)均衡存在鲁棒性不足、泛化性弱等问题,提出了一种新型的自适应SCKF算法,以实现对RSOP的跟踪补偿。该算法通过引入平方根因子直接对过程噪声协方差矩阵的平方根进行自适应更新,避免了正定分解。同时引入残差判决检测机制,对当前时刻残差值与滑窗内残差均值进行比较,将比较结果作为是否进行自适应更新的判断条件,以提升算法运行速度。仿真结果表明,所提算法在RSOP方位角变化速率为40 Mrad/s时,误码率性能满足开销为7%的前向纠错阈值条件,且相对于CKF和SCKF算法,所提算法在不同调优参量初始值下均能稳定运行。所提算法能够快速跟踪补偿RSOP,即便在初始条件不理想的情况也能稳定运行,具有鲁棒性强的优点。

关键词：光通信平方根容积卡尔曼滤波算法偏振复用偏振态旋转残差判决

来源：评论

学校读者我要写书评

暂无评论

基于SRCKF算法的植保无人机定位估计

引用

湖北师范大学学报（自然科学版） 2024年第3期44卷 32-38页

作者：王丹丹余亮谭开拓李宏杰淮南师范学院机械与电气工程学院安徽淮南232038 哈尔滨工程大学智能科学与工程学院黑龙江哈尔滨150001 安阳工学院电子信息与电气工程学院河南安阳455000

基于高山丘陵地区地貌的复杂性、梯田间人工施药困难的背景下,针对植保无人机近地面喷洒任务的艰巨性,其自主导航定位技术的局限性,传统滤波估计算法对载体跟踪估计误差大、精度低、滤波不稳定等问题,提出了一种基于平方根容积卡尔曼滤... 详细信息

基于高山丘陵地区地貌的复杂性、梯田间人工施药困难的背景下,针对植保无人机近地面喷洒任务的艰巨性,其自主导航定位技术的局限性,传统滤波估计算法对载体跟踪估计误差大、精度低、滤波不稳定等问题,提出了一种基于平方根容积卡尔曼滤波算法对植保无人机位置及姿态进行估计。较传统SRUKF、SRCDKF算法,文中算法既降低了状态量维数,又保证了数值计算效率及滤波精度。同等仿真环境下,实验结果表明,基于SRCKF-SLAM算法对载体位置估计精度最高,且稳定性最好;另外,在给定10°失准航偏角下,该算法对载体姿态角滤波估计,在近50 s内实现误差趋近于零,保证了植保无人机的精准导航。

关键词：植保无人机导航定位平方根容积卡尔曼滤波算法数值计算位置估计

来源：评论

学校读者我要写书评

暂无评论

一种基于ARI模型和SRCKF的融合型算法的锂电池剩余寿命预测方法

引用

舰船电子对抗 2019年第4期42卷 117-120,I0001页

作者：王玉斐中国船舶重工集团公司第七二三研究所

锂电池的健康状态估计和剩余寿命(RUL)预测是电池管理系统的重要研究课题之一。平方根容积卡尔曼滤波(SRCKF)算法是扩展卡尔曼滤波(EKF)算法的一种改进,适合对锂电池的非线性退化过程建模。其中,对于特定电池单体,将自回归综合(ARI)模... 详细信息

锂电池的健康状态估计和剩余寿命(RUL)预测是电池管理系统的重要研究课题之一。平方根容积卡尔曼滤波(SRCKF)算法是扩展卡尔曼滤波(EKF)算法的一种改进,适合对锂电池的非线性退化过程建模。其中,对于特定电池单体,将自回归综合(ARI)模型的长期趋势预测作为SRCKF算法预测阶段的容量观测真值,从而弱化SRCKF算法对经验模型的依赖性,体现不同电池单体的差异性。同时,针对ARI模型对非线性系统预测能力差的问题,引入了一种表征锂电池不同阶段退化速率的健康因子,提升了ARI模型对锂电池非线性退化趋势的拟合度。最后,使用马里兰大学先进寿命周期工程研究中心(CALCE)的公开数据集验证所提算法,实验结果表明混合型算法在容量预测误差和寿命预测的精度上均有所提高。

关键词：锂电池电池管理系统剩余使用寿命平方根容积卡尔曼滤波算法自回归综合模型

来源：评论

学校读者我要写书评

暂无评论

基于无人机的无线传感器网络三维定位算法研究

基于无人机的无线传感器网络三维定位算法研究

引用

作者：徐魏超安徽工程大学

学位级别：硕士

无线传感器网络(Wireless Sensor Networks,WSNs)有着广阔的应用背景,在军事、医疗、生产生活中处处可以看它的身影。例如:将它部署在空中,可以检测空气的温度、湿度以及污染程度,然后可以通过汇聚节点将检测到的信息再通过卫星或互联... 详细信息

无线传感器网络(Wireless Sensor Networks,WSNs)有着广阔的应用背景,在军事、医疗、生产生活中处处可以看它的身影。例如:将它部署在空中,可以检测空气的温度、湿度以及污染程度,然后可以通过汇聚节点将检测到的信息再通过卫星或互联网发送到监控中心。无线传感器网络的应用主要取决于它所能检测到的环境信息,像温度、湿度、光照强度、污染程度等等。但是无论将无线传感网络部署在什么样的环境,想要让它所检测的信息有价值,就需要知道无线传感器网络节点所处的具体位置信息。因此对于无线传感器网络节点定位一直是很多专家学者的研究热点。无线传感器网络涉及的领域较为宽泛,使得国内外有很多院校和研究所都对无线传感器网络展开了深入的研究和探讨。涉及到无线传感器网络节点硬件的设计,无线传感器网络定位算法的研究等。正是由于这些专家学者不断的对无线传感器网络进行着完善,才使得无线传感器网络的应用越来越广泛。目前大部分无线传感网络节点的定位是根据网络中已知位置信息的信标节点来定位的。通过算法计算出其他未知传感器节点的坐标位置。对于应用规模较大的场合需要大规模的部署信标节点。因此不但需要很高的成本,而且使得无线传感器网络的维护也变得非常困难。另外大规模的装载定位模块也使得传感器节点本身的耗能也增加了很多,因此又要考虑传感器节点电源的损耗问题。本文引入无人机(Unmanned Aerial Vehicle,UAV)作为辅助工具,搭载全球定位系统(Global Positioning System,GPS),相当于空中的移动信标节点,建立起无人机和无线传感器节点的协作定位模型。无人机通过预设的轨迹,固定的高度和速度,周期性的广播自身的虚拟信标信息,然后使未知传感器节点接收无人机发出的虚拟信标信息。并通过接收信号强度指示器(Received Signal Strength Indicator,RSSI)测距系统获取无人机散播的虚拟信标和未知传感器节点之间的距离信息。再通过极大似然法(Maximum Likelihood Estimation,MLE)对未知传感器节点进行初步定位。最后通过平方根容积卡尔曼滤波(Square Root Cubature Kalman Filter,SRCKF)对未知传感器节点进行精确定位。仿真结果表明,在无人机协助下通过平方根容积卡尔曼滤波算法的节点定位精度比传统的节点-节点定位在精度上有所提高。为了使得数据更加有效,搭建了无人机和传感器节点硬件平台,并进行了相关的数据采集。实验首先对传感器节点通信距离进行了测试。然后对无人机沿着固定轨迹在固定高度飞行时,测试了无人机和传感器节点在不同距离下的对应的RSSI值。最后根据当前硬件平台所采集的信息利用本文算法在仿真平台测试了对未知传感器节点定位的效果。结果表明本文算法在一定程度上具有较小的定位误差。

关键词：无线传感器网络无人机极大似然估计 RSSI测距平方根容积卡尔曼滤波算法

来源：评论

学校读者我要写书评

暂无评论

基于自适应平方根CKF的目标跟踪方法研究

基于自适应平方根CKF的目标跟踪方法研究

引用

作者：祝瑞辉哈尔滨工程大学

学位级别：硕士

随着科技的发展,机动目标的运动越发变得复杂,尤其在现代战场上,导弹、战斗机等高机动目标的技术发展使得对目标进行跟踪和拦截越发困难。当目标的噪声统计特性未知或建立模型不准确、目标在运动过程中某一方向速度发生突然增大或减小... 详细信息

随着科技的发展,机动目标的运动越发变得复杂,尤其在现代战场上,导弹、战斗机等高机动目标的技术发展使得对目标进行跟踪和拦截越发困难。当目标的噪声统计特性未知或建立模型不准确、目标在运动过程中某一方向速度发生突然增大或减小、目标在运动过程中机动发生变化时(如由CV模型到CT模型),单纯使用滤波算法将不再适用。目前用于解决该问题主有经典的Sage-Husa算法,以及在Sage-Husa算法基础上引入非线性滤波算法适用于非线性领域的自适应算法,强跟踪算法,基于UT变换的强跟踪算法以及交互式多模型算法,本文在此基础上研究如何进一步提高自适应滤波算法精度。首先,介绍了几种常用的目标运动模型,详细介绍了CV模型和VT模型,以及两个交互出现的情况,并对几种常用的非线性滤波算法进行了介绍,详细介绍了容积卡尔曼算法和平方根容积卡尔曼算法。其次,针对系统建模中噪声统计特性未知或随时间变化的问题,研究了经典的Sage-Husa算法,但该算法只能应用在线性领域,对此,研究了几种适用在非线性领域的自适应算法,自适应扩展卡尔曼算法,自适应无迹卡尔曼算法,但由于算法本身的缺陷,滤波精度低。将非线性领域自适应滤波思想与容积卡尔曼及平方根容积卡尔曼算法相结合,提出了自适应平方根容积卡尔曼算法,理论证明了该方法的合理性。再次,当目标在运动过程中,状态突然发生了改变,导致之前所建立的系统模型不再适用,针对该问题,研究了基于单重及多重渐消因子的强跟踪算法及基于UT变换的强跟踪算法,然后将强跟踪算法的思想与容积卡尔曼向结合,提出了基于多重次优渐消因子的强跟踪容积卡尔曼算法,并在此基础上加入平方根,进一步提出了基于多重次优渐消因子的强跟踪平方根容积卡尔曼算法,理论推导说明了方法的正确性。最后,目标在运动过程中存在多个模型时,单一的建模将不能满足精确跟踪的指标,为此研究交互式多模型算法,针对常用交互式多模型算法中滤波环节所选用的滤波算法精度受限的问题,选用了更高滤波精度的容积卡尔曼算法及平方根容积卡尔曼算法,并将两者结合,提出了基于平方根容积卡尔曼交互式多模型算法。

关键词： Sage-Husa算法强跟踪交互式多模型平方根容积卡尔曼滤波算法目标跟踪

来源：评论

学校读者我要写书评

暂无评论

基于改进联邦滤波的多无人机协同目标跟踪方法

基于改进联邦滤波的多无人机协同目标跟踪方法

引用

第四届中国航空兵器大会

作者：章豪周德云金晓楠王倩包勇赵威西北工业大学电子信息学院西安 710129 中国航空无线电电子研究所上海200233 四川航天职业技术学院成都 610100

联邦滤波广泛应用于多无人机协同目标跟踪领域,联邦滤波中的信息分配原则直接影响滤波器的精度和容错性.本文考虑系统状态估计精度,提出了一种新的联邦滤波信息分配方法.新的联邦滤波算法允许每一个系统状态变量具有不同的信息分配系数... 详细信息

联邦滤波广泛应用于多无人机协同目标跟踪领域,联邦滤波中的信息分配原则直接影响滤波器的精度和容错性.本文考虑系统状态估计精度,提出了一种新的联邦滤波信息分配方法.新的联邦滤波算法允许每一个系统状态变量具有不同的信息分配系数,从而改进了联邦滤波信息融合的精度.仿真结果表明,该算法能够显著提高多无人机协同目标跟踪的性能.

关键词：无人机协同方式目标跟踪联邦滤波算法平方根容积卡尔曼滤波算法

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：