搜索结果: 1-10 共查到“控制科学与技术 UKF”相关记录10条 . 查询时间(0.052 秒)
传感器故障条件下的自适应UKF算法
目标跟踪 传感器故障 自适应滤波 无迹卡尔曼滤波
2014/9/3
针对目标跟踪中传感器故障导致滤波发散或者滤波精度不高的问题, 提出一种自适应无迹卡尔曼滤波(UKF) 算法. 该算法在滤波过程中, 根据自适应估计原理引入自适应矩阵因子, 实时调整系统状态向量和量测新息向量的协方差, 以满足无迹卡尔曼滤波算法的最优性条件, 并采取措施对滤波发散的情况进行判断和抑制. 与传统UKF和已有自适应UKF算法相比, 该自适应UKF算法显著提高了滤波精度和数值稳定性, 且具...
基于SVD的改进抗差UKF算法及在组合导航中的应用
GPS/INS组合导航 无迹卡尔曼滤波 改进抗差策略 奇异值分解
2013/8/23
针对GPS/INS组合导航中因观测异常导致系统状态先验信息矩阵失去对称正定性,及传统等价权函数抗差算法易遇到病态矩阵,引起滤波性能下降的问题,提出一种基于奇异值分解的改进抗差UKF算法.该算法克服了先验协方差矩阵负定性变化,通过判断矩阵病态性实现智能选取抗差策略.最后利用车载实测数据进行验证,所得结果表明,SVD-UKF导航解精度稍优于EKF算法,改进的抗差策略能够极大减弱单独、连续以及混合的观测...
针对行人航迹推算(PDR) 与全球定位系统(GPS) 组合定位问题, 提出一种基于小波变换(WT) 的无迹卡尔曼滤波(UKF) 改进算法, 对PDR 和GPS 定位结果进行数据融合. 建立PDR/GPS 组合定位系统数学模型, 采用小波变换对运动加速度信号噪声特性进行在线估计, 以更新UKF 的协方差矩阵. 所提出的WT-UKF 滤波算法弥补了传统UKF 算法因人为假定信号噪声为高斯白噪声而影响滤...
基于极大后验估计和指数加权的自适应UKF滤波算法
非线性 自适应UKF滤波算法 常值噪声统计估计器 时变噪声统计估计器 极大后验估计 指数加权
2009/11/30
针对传统Unscented卡尔曼滤波器(UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题,设计了一种带噪声统计估计器的自适应UKF滤波算法.首先根据极大后验(MAP)估计原理,推导出一种次优无偏MAP常值噪声统计估计器; 接着在此基础之上,采用指数加权的方法, 给出了时变噪声统计估计器的递推公式;最后对自适应UKF算法进行了性能分析. 相比于传统UKF,该自适应UKF算法在噪声...
一种利用UKF的高速公路实时交通状态估计方法
UKF 宏观随机交通流模型 扩展卡尔曼滤波
2009/7/7
把无轨迹卡尔曼滤波器（UKF）和宏观随机交通流模型结合在一起，可以实现对高速公路交通状态的实时估计。高速公路被看作是由等距离的路段首尾相接而成的系统，每个路段中交通变量的更新不光与其自身有关，还受到相邻路段的影响。交通传感器通常设置在路段的交界处，而且数量远少于所需估计的交通状态。采用压缩状态空间的形式，将模型参数也作为交通状态而非常量进行估计。仿真结果表明UKF方法能够有效地估计和跟踪交通状态的...
基于联邦UKF算法的移动机器人自主组合导航
联邦UKF EKF 非线性滤波
2009/6/26
组合导航技术是解决地面机器人自主导航的一个有效途径,其中GPS/DR是一种典型的组合方式。常用的卡尔曼滤波主要用于处理线性问题,针对该导航系统非线性的特点,对Unscented卡尔曼滤波（UKF）与分散式滤波技术相结合的方法进行了研究,建立了用于GPS/DR导航系统的联邦UKF算法。数值仿真实验表明,联邦UKF比联邦EKF有更好的滤波精度,同时有更高的稳定性和容错性,是一种理想的GPS/DR导航非...
基于极大后验估计和指数加权的自适应UKF滤波算法
非线性 自适应UKF滤波算法 常值噪声统计
2009/5/31
针对传统Unscented卡尔曼滤波器(Unscented Kalman filter, UKF)在噪声先验统计未知时变情况下非线性滤波精度下降甚至发散的问题, 设计了一种带噪声统计估计器的自适应UKF滤波算法. 首先根据极大后验(Maximum a posterior, MAP)估计原理, 推导出一种次优无偏MAP常值噪声统计估计器; 接着在此基础之上, 采用指数加权的方法, 给出了时变噪声统计...
基于UKF的两轮自平衡机器人姿态最优估计研究
采样卡尔曼滤波 采样变换 姿态估计 两轮自平衡机器人
2008/7/18
针对扩展卡尔曼滤波器(EKF)设计困难并且容易发散的问题，提出基于采样卡尔曼滤波(UKF)的方法解决滤波器设计及收敛问题，并补偿低成本的惯性传感器陀螺仪和加速度计的误差，从而得到机器人姿态的最优估计．将滤波后的模型应用到两轮自平衡机器人系统，实验结果表明UKF参数设计简单，姿态估计误差小于EKF，方差估计优于EKF，估计精度、计算量基本与EKF相当．因此，UKF能够满足两轮自平衡机器人快速机动过程...
利用基于无色卡尔曼滤波（Unscented Kalman Filter， UKF）的状态和参数联合估计方法对移动机器人进行在线主动建模，基于该主动模型的逆动力学控制方法，实现了移动机器人对其自身不确定因素的自主性. 在针对全方位移动机器人的仿真实验中，验证了UKF对时变的状态和参数的收敛性和跟踪能力，并给出了不确定界. 基于主动建模的逆动力学控制方法与常值PID控制方法的比较结果，验证了该方法的有...