检索结果-内蒙古大学图书馆

系统工程与电子技术 2021年第4期43卷 1044-1049页

作者：苏敬何华锋何耀民王依繁韩晓斐火箭军工程大学导弹工程学院陕西西安710025

在弹载捷联惯性导航系统(strapdown inertial navigation system,SINS)/合成孔径雷达(synthetic aperture radar,SAR)组合导航系统中,针对量测输出时间间隔不同及SAR量测滞后的问题,提出一种利用曲线拟合法解决量测滞后的非等间隔无迹... 详细信息

在弹载捷联惯性导航系统(strapdown inertial navigation system,SINS)/合成孔径雷达(synthetic aperture radar,SAR)组合导航系统中,针对量测输出时间间隔不同及SAR量测滞后的问题,提出一种利用曲线拟合法解决量测滞后的非等间隔无迹卡尔曼滤波(unscented Kalman filter,UKF)算法。首先,在UKF的基础上,利用系统状态转移矩阵的特性,根据SAR有无量测输出选择是否进行量测更新,解决了量测不同步的问题。然后,利用曲线拟合补偿法拟合SAR输出信息,获得SAR量测信息滞后的补偿算法。最后,以弹载SINS/SAR组合导航系统为研究对象,验证所提算法的有效性。仿真结果证明,该算法得到的东向位置误差的绝对值为5.12 m,航向角误差绝对值为6.63″,北向速度误差绝对值为0.08 m/s,相比于传统UKF算法有效提升了组合导航系统滤波精度。

关键词：组合导航非等间隔量测量测滞后无迹卡尔曼滤波算法

来源：评论

学校读者我要写书评

暂无评论

基于BP-UKF算法的锂离子电池SOC估计

引用

储能科学与技术 2023年第2期12卷 552-559页

作者：杨帆和嘉睿陆鸣陆玲霞于淼浙江大学工程师学院浙江杭州310015 浙江大学电气工程学院浙江杭州310027

电池的荷电状态(state of charge,SOC)是电池管理的重要指标之一,准确的SOC估计是保证锂离子电池安全有效运行的必要条件。为提高锂离子电池SOC估计的准确性,本文基于二阶Thevenin等效模型,提出一种将无迹卡尔曼滤波(unscented Kalman f... 详细信息

电池的荷电状态(state of charge,SOC)是电池管理的重要指标之一,准确的SOC估计是保证锂离子电池安全有效运行的必要条件。为提高锂离子电池SOC估计的准确性,本文基于二阶Thevenin等效模型,提出一种将无迹卡尔曼滤波(unscented Kalman filter,UKF)与BP(back propagation)神经网络相结合的SOC估计方法。在通过混合功率脉冲特性测试获取模型参数的基础上,首先利用UKF算法对电池SOC进行初步估计,通过非线性点变换的方法避免了扩展卡尔曼滤波(extended Kalman filter,EKF)在线性化过程中对系统造成的精度损失;其次,构建三层BP神经网络,综合考虑锂离子电池的充放电电压、电流等参数,对估计结果进行修正,将估计误差从初始估计结果中排除,以达到更加准确的估计结果。通过电池充放电测试仪采集锂离子电池在动态应力测试下的充放电数据,并在不同的噪声环境下将本文提出的BP-UKF算法与EFK算法和UKF算法进行对比实验分析。实验结果表明,本文提出的BP-UKF算法的最大误差在2.18%以内,平均误差在0.54%以内,均方根误差在0.0044以内,较EKF算法和UKF算法有较大程度地提升;并且在较大的环境噪声条件下,BP-UKF算法的准确性提升更为明显。

关键词： SOC估计无迹卡尔曼滤波算法锂离子电池二阶Thevenin模型 BP神经网络

来源：评论

学校读者我要写书评

暂无评论

TDOA／AOA混合定位方案中的UKF算法

引用

计算机工程 2008年第20期34卷 121-123页

作者：王杰金梁宋华伟张鹏国家数字交换系统工程技术研究中心郑州450002

针对CDMA无线定位系统中的"听力"问题,在CDMA无线系统中建立到达时间差/到达角度(TDOA/AOA)混合定位方案模型。针对常用滤波算法的性能改善问题,提出无迹卡尔曼滤波(UKF)算法解算定位方程,并结合设定环境对算法进行Matlab仿... 详细信息

针对CDMA无线定位系统中的"听力"问题,在CDMA无线系统中建立到达时间差/到达角度(TDOA/AOA)混合定位方案模型。针对常用滤波算法的性能改善问题,提出无迹卡尔曼滤波(UKF)算法解算定位方程,并结合设定环境对算法进行Matlab仿真。与常用EKF算法的比较表明,在TDOA/AOA混合定位方案中,UKF算法具有更好的收敛性和精度。

关键词：无线定位无迹卡尔曼滤波算法扩展卡尔曼滤波

来源：评论

学校读者我要写书评

暂无评论

自适应UKF算法在GNSS/INS深组合系统中的应用

引用

太赫兹科学与电子信息学报 2019年第2期17卷 221-226页

作者：王睿黄清华李世玲中国工程物理研究院电子工程研究所四川绵阳621999

针对强非线性和时变噪声统计特性不明的高动态运动环境下全球卫星导航系统/惯导系统(GNSS/INS)深组合导航系统滤波精确度较差甚至发散的问题,提出一种自适应混合无迹卡尔曼滤波(UKF)算法。该算法以UKF算法为基础,采用混合滤波思想对UKF... 详细信息

针对强非线性和时变噪声统计特性不明的高动态运动环境下全球卫星导航系统/惯导系统(GNSS/INS)深组合导航系统滤波精确度较差甚至发散的问题,提出一种自适应混合无迹卡尔曼滤波(UKF)算法。该算法以UKF算法为基础,采用混合滤波思想对UKF滤波算法进行简化;并根据高动态下系统量测噪声时变,且易快变、突变的特点,设计了一种基于渐消记忆指数加权的自适应量测噪声估计器,实时估计和修正噪声统计量并自适应调节估计周期。仿真结果表明,在量测噪声变化的情况下,相比于常规UKF算法,本文算法各向定位测速精确度均有所提升,水平方向精确度提升60%以上,效果明显;此外,算法耗时减少18.64%,说明本文算法能够在提升滤波精确度的同时减少部分计算量。

关键词： GNSS/INS 深组合无迹卡尔曼滤波算法量测噪声变化噪声估计

来源：评论

学校读者我要写书评

暂无评论

面向校园复杂环境的无人车前方多目标跟踪算法研究

引用

现代制造工程 2023年第8期 44-52页

作者：金佳男吴延峰史振宁高建平河南科技大学车辆与交通工程学院洛阳471000

针对无人车使用传统多目标跟踪算法在复杂的校园场景中跟踪效果不好、实时性差等问题,提出了一种面向校园复杂环境的无人车前方多目标跟踪算法。首先,基于YOLOv4-tiny目标检测算法设计检测器,增加算法的检测层以提高小目标检测精度;随... 详细信息

针对无人车使用传统多目标跟踪算法在复杂的校园场景中跟踪效果不好、实时性差等问题,提出了一种面向校园复杂环境的无人车前方多目标跟踪算法。首先,基于YOLOv4-tiny目标检测算法设计检测器,增加算法的检测层以提高小目标检测精度;随后在筛选出的数据集上进行模型训练和试验,试验结果表明,改进后检测器的检测精度AP提高了5.4%,运行速率FPS达到114.3 f/s。其次,在获取检测框后,以检测结果为输入,使用无迹卡尔曼滤波器预测目标轨迹,解决卡尔曼滤波在目标非线性状态下鲁棒性差的问题。然后,将预测得到的新轨迹通过匈牙利算法和当前检测视频帧数进行匹配,并使用IOU匹配算法对匹配不成功的轨迹和检测结果进行关联匹配。最后,进行无迹卡尔曼滤波更新。无人车校园跟踪试验表明,与原DeepSORT算法相比,改进跟踪算法的多目标跟踪准确度MOTA提升数值为4.1%,多目标跟踪精度MOTP提升数值为3.4%,FPS提升了33.8 f/s,有效提高了无人车的安全性。

关键词：校园无人车多目标跟踪 YOLOv4-tiny目标检测算法 DeepSORT算法无迹卡尔曼滤波算法匈牙利算法 IOU匹配算法

来源：评论

学校读者我要写书评

暂无评论

基于能量高效动态分簇的目标跟踪算法

引用

计算机工程 2014年第10期40卷 98-103,108页

作者：陆娴彭勇江南大学物联网工程学院江苏无锡214122

目标跟踪是无线传感器网络中的一项基本应用,如何在保证高跟踪精度的前提下降低网络能耗、延长网络生命周期是目标跟踪的核心问题。为此,提出一种基于能量高效动态分簇的目标跟踪算法。从最大限度节省能量的角度出发,设计动态簇生成方法... 详细信息

目标跟踪是无线传感器网络中的一项基本应用,如何在保证高跟踪精度的前提下降低网络能耗、延长网络生命周期是目标跟踪的核心问题。为此,提出一种基于能量高效动态分簇的目标跟踪算法。从最大限度节省能量的角度出发,设计动态簇生成方法,利用无迹粒子滤波算法对目标进行跟踪,预测下一时刻目标的位置坐标,并根据预测结果给出簇头更换策略。仿真结果表明,与PPF和DPF算法相比,该算法不仅具有较高的目标跟踪精度,而且能有效降低网络能耗,延长网络寿命。

关键词：无线传感器网络目标跟踪无迹粒子滤波算法动态分簇接收信号强度指示模型无迹卡尔曼滤波算法

来源：评论

学校读者我要写书评

暂无评论

UKF滤波算法在二级倒立摆上的应用研究

UKF滤波算法在二级倒立摆上的应用研究

引用

作者：虞培培大连理工大学

学位级别：硕士

倒立摆是检验控制理论的经典设备。从控制角度来看,倒立摆系统是一个非线性、强耦合、多变量的控制系统。目前已有很多方法实现了对倒立摆的控制,比如最优控制、鲁棒控制等。然而利用滤波算法实现对倒立摆的控制至今很少有人涉及。本论... 详细信息

倒立摆是检验控制理论的经典设备。从控制角度来看,倒立摆系统是一个非线性、强耦合、多变量的控制系统。目前已有很多方法实现了对倒立摆的控制,比如最优控制、鲁棒控制等。然而利用滤波算法实现对倒立摆的控制至今很少有人涉及。本论文主要针对滤波算法在倒立摆系统上的应用可行性进行研究,主要内容如下: 首先,介绍倒立摆系统和滤波理论的发展及现状。分析无迹卡尔曼滤波算法在倒立摆系统上应用的意义。采用机理法建立二级倒立摆的数学模型,得出它的线性方程和动态方程,并在倒立摆的平衡点附近进行定性分析。其次,对线性二次型算法的优越性进行讨论,并利用这一算法设计了二级倒立摆的控制器。比较了扩展卡尔曼滤波和无迹卡尔曼滤波,选定无迹卡尔曼滤波为倒立摆控制系统的滤波算法。随后详细介绍了无迹卡尔曼滤波算法。再次,利用线性二次型控制器和无迹卡尔曼滤波算法,实现了二级倒立摆系统的仿真控制。特别的,从实验数据考察加滤波算法和不加滤波算法的控制效果,前者明显收敛速度快,稳定性好,并且具有较小的超调量。由此我们可以看出无迹卡尔曼滤波在倒立摆控制系统中的可行性和有效性。最后,在上述理论的基础上,参照倒立摆的实际系统参数,实现了二级直线倒立摆系统的实物实验。同样的考察了加与不加滤波算法的控制效果,通过对实际数据的分析,验证了滤波理论的可行性和优越性。事实证明采用无迹卡尔曼滤波算法对倒立摆系统进行实时滤波是非常有效的方案。

关键词：倒立摆非线性系统无迹卡尔曼滤波算法线性二次型调节器

来源：评论

学校读者我要写书评

暂无评论

基于UKF和PF混合滤波的目标跟踪算法研究

基于UKF和PF混合滤波的目标跟踪算法研究

引用

作者：于滟琳桂林理工大学

学位级别：硕士

无论是在军事领域还是民用领域,目标跟踪技术均发挥着至关重要的作用,其在敌情监控、海陆空防御、智能交通、货物仓库的物流跟踪等领域具有重要应用价值,一直以来都是国内外学者的研究热点。为了提高目标跟踪精度,改善跟踪效果,本文给... 详细信息

无论是在军事领域还是民用领域,目标跟踪技术均发挥着至关重要的作用,其在敌情监控、海陆空防御、智能交通、货物仓库的物流跟踪等领域具有重要应用价值,一直以来都是国内外学者的研究热点。为了提高目标跟踪精度,改善跟踪效果,本文给出一种基于无迹卡尔曼滤波(UKF)和粒子滤波(PF)相结合的混合滤波目标跟踪算法。本文主要研究内容如下:首先,论文阐述了本选题的研究背景及意义、并介绍了国内外的研究现状,接着对现有的线性卡尔曼滤波(KF)、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF),以及粒子滤波(PF)算法进行了详细介绍,在此基础上,对上述算法的优缺点进行分析,并介绍了四种算法的误差产生原因。针对现有KF、PF算法存在的问题,本文给出一种基于UKF和PF混合滤波的目标跟踪算法。首先,应用PF算法对状态进行初始估计,克服非线性系统对目标跟踪算法的制约;然后,为了消除奇异值、粒子退化问题的影响,进一步提高目标跟踪精度,对上一步的估计结果再进行UKF。在此基础上,分别建立了基于UKF算法、PF算法、UKF和PF混合滤波算法的单观测站目标跟踪模型。MATLAB仿真实验结果表明,本文提出的基于UKF和PF混合滤波的单观测站目标跟踪算法与其它两种算法相比跟踪精度最高,有效改善了目标跟踪效果。针对单个观测站在测量精度、范围和可靠性等方面存在的不足,本文进一步研究混合滤波算法在多观测站目标跟踪中的应用。首先采用等权重加权融合方法,建立基于UKF、基于PF的多观测站目标跟踪算法模型。然后,建立一个适应度函数对加权融合方法进行改进,用来赋予各观测站不同的权重。最后分别建立了基于UKF的多观测站适应度加权目标跟踪算法、基于UKF和PF混合滤波的多观测站适应度加权目标跟踪算法模型。MATLAB仿真实验结果表明,本文提出的适应度加权融合方法有效改善了多观测站目标跟踪融合效果,并且基于UKF和PF混合滤波的多观测站适应度加权目标跟踪算法在所有算法中跟踪效果最好,提高了目标跟踪精度。最后,本文在上述研究的基础上,采用面向对象的开发方法,利用Windows系统下具有优良的跨平台特性的Qt开发平台,结合Qt与MATLAB混合编程技术,通过C++语言编程设计实现了目标跟踪仿真系统。系统仿真平台在满足设计需求的前提下运行良好,实现了对目标跟踪效果的直观展示,具有一定的参考价值。

关键词：目标跟踪无迹卡尔曼滤波算法粒子滤波算法混合滤波算法加权融合

来源：评论

学校读者我要写书评

暂无评论

基于激光雷达和毫米波雷达信息融合的多目标检测算法研究

基于激光雷达和毫米波雷达信息融合的多目标检测算法研究

引用

作者：乐帆长沙理工大学

学位级别：硕士

基于多传感器信息融合技术的目标检测在自动驾驶环境感知种具有重要的作用。然而,基于激光雷达和毫米波雷达信息融合的多目标检测过程中往往存在以下关键问题:1)激光雷达在测量过程中容易因目标受遮挡而导致漏检;2)如何根据激光雷达和... 详细信息

基于多传感器信息融合技术的目标检测在自动驾驶环境感知种具有重要的作用。然而,基于激光雷达和毫米波雷达信息融合的多目标检测过程中往往存在以下关键问题:1)激光雷达在测量过程中容易因目标受遮挡而导致漏检;2)如何根据激光雷达和毫米波雷达采集的信息对目标进行准确的跟踪;3)如何对激光雷达和毫米波雷达跟踪的目标进行合理的关联和融合以准确获取跟踪目标的状态。为此,论文对基于激光雷达和毫米波雷达信息融合下的多目标检测方法进行研究。首先,论文基于恒定转弯率和速度(Constant Turn Rate and Velocity,CTRV)模型建立了自动驾驶汽车的运动学模型,并综合旋转平移矩阵对激光雷达和毫米波雷达进行空间统一,此外,根据两传感器采样频率的不同进行时间统一;其次,利用统计滤波算法剔除传感器中采集到的因受噪声和自身测量精度影响的无效的数据信息,并采用随机抽样一致(Random Sample Consensus,Ransac)算法分割地面点云。为了降低点云中近密远疏现象对聚类结果的影响,基于距离分区的欧氏聚类算法用于对地面上的目标进行聚类,并与模糊C均值聚类算法进行对比;再次,应用基于马氏距离的匈牙利匹配算法对两传感器预处理后的数据进行关联;从次,为了降低无迹卡尔曼滤波算法在信息融合过程中的计算复杂度,提出了基于无迹卡尔曼滤波和协方差交集的传感器信息融合算法,并采用分布式信息融合系统作为融合结构;最后,利用Matlab仿真软件搭建了基于车载激光雷达和毫米波雷达的多目标检测虚拟环境,对本文算法的可行性进行验证。其中,应用广义最优子模式分配(Generalized Optimal SubPattern Assignment,GOSPA)指标对算法检测精度进行评估分析。此外,为了验证本文算法在真实交通环境中的有效性,选取公开数据集Nuscenes进行验证。仿真结果表明,基于无迹卡尔曼滤波和协方差交集信息融合算法在检测精度上优于联合概率密度(Joint Probabilistic Data Association,JPDA)、高斯混合概率假设密度(Gaussian mixture probability hypothesis density,GM-PHD)算法对多目标的检测。因此,无迹卡尔曼滤波和协方差交集信息融合算法为基于激光雷达和毫米波雷达信息融合的多目标检测研究提供一种新思路和依据。

关键词：多传感器信息融合目标检测无迹卡尔曼滤波算法协方差交集算法

来源：评论

学校读者我要写书评

暂无评论

室内移动机器人实时定位滤波算法仿真对比

引用

北京建筑大学学报 2021年第4期37卷 86-93页

作者：刘慧姜雨汐北京建筑大学电气与信息工程学院北京100044

针对室内移动机器人平台定位精度不够的问题,开展了扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、粒子滤波算法以及融合蝴蝶优化算法的粒子滤波算法的仿真比较研究。针对一阶和二阶非线性状态方程描述的机器人运动系统,对其观测结果采用上... 详细信息

针对室内移动机器人平台定位精度不够的问题,开展了扩展卡尔曼滤波算法、无迹卡尔曼滤波算法、粒子滤波算法以及融合蝴蝶优化算法的粒子滤波算法的仿真比较研究。针对一阶和二阶非线性状态方程描述的机器人运动系统,对其观测结果采用上述算法进行滤波处理,分析其定位误差和算法的处理时间。试验结果表明,融合蝴蝶优化算法的粒子滤波算法对于实际中的二维运动系统能够获得较高的运算效率,并且误差较小。对实际室内移动机器人的二维运动系统应用具有一定的理论价值和指导意义。

关键词：扩展卡尔曼滤波算法无迹卡尔曼滤波算法蝴蝶优化算法粒子滤波算法

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：