共查询到20条相似文献,搜索用时 15 毫秒
1.
基于跟踪-微分器的宽动态测速系统设计 总被引:1,自引:0,他引:1
传统的基于跟踪-微分器的测速方法随着输入信号变化速率的升高,输出的信号会产生较为明显的滞后,滞后的消除通过增大速度因子来实现,而增大速度因子会降低其滤波效果,在输出信号中复现输入信号中混杂的噪声;减小噪声的影响,需要通过增大滤波因子来实现,而这又会增加系统输出的滞后。针对滤波性能与跟踪速度之间的矛盾,设计了一个可以根据输入信号的变化速率自适应调整速度因子和滤波因子的测速系统,通过构造了一个Lyapunov函数证明了该系统的稳定性。仿真结果表明,该系统可以在宽动态范围内对输入信号进行跟踪,并保持良好的滤波效果。 相似文献
2.
为解决目标跟踪中因系统滤波初值不准确和噪声统计特性未知引起标准非线性卡尔曼算法估计误差变大问题,该文提出一种基于残差的模糊自适应(RTSFA)非线性目标跟踪算法。在确定采样型滤波基本框架的基础上,给出了在线性化误差约束条件下高斯权值的积分一般形式,并利用李雅普诺夫第二方法证明了该算法估计误差有界收敛的充分条件。进一步构建自适应噪声协方差矩阵在线估计噪声特性,并引入Takagi-Sugeno模型和量测椭球界限规则选择噪声估计器调节因子,有效提高了算法的收敛速度和滤波精度。通过滤波初值信息不明和量测噪声时变的纯方位目标跟踪模型,验证了非线性目标跟踪算法具有更好的跟踪精度和更强的鲁棒性。 相似文献
3.
4.
5.
6.
7.
8.
9.
利用锁相环进行载波跟踪是获取本地栽波的一种重要方法,针对锁相环的噪声性能和跟踪速度不能同时达到最优的限制,在锁相环PLL中引入自适应模块,根据环路所处的环境自适应对PLL环路参数做出调整.设计中利用仿真软件MATLAB对自适应锁相环进行仿真,并在FPGA硬件板上利用VHDL编程实现.在载波信号为10 MHz、采样率为80 MHz的条件下,设计的自适应锁相环在噪声水平较小时跟踪速度提高了0.5 μs左右,在噪声水平较高时相位抖动降低了0.01 tad左右. 相似文献
10.
基于跟踪微分器的模型参考自适应控制 总被引:2,自引:0,他引:2
为了处理二阶系统模型参数的大范围不确定性,提出了基于跟踪微分器的模型参考自适应控制,利用两个非线性跟踪微分器分别得到系统输出的微分信号和误差的微分信号,同时抑制了高频噪声放大效应。根据被控对象的数学模型,自适应调节律能自动实时调节控制律中的参数。实验结果表明,当雷达伺服系统被控对象模型的参数在较大范围内变化时,该新型控制器有效补偿了二阶系统参数的不确定性,提高了伺服系统稳态和动态跟踪精度,保证了系统的全局渐近稳定。 相似文献
11.
基于自适应无迹粒子滤波的目标跟踪算法 总被引:5,自引:5,他引:0
为解决复杂场景中目标跟踪问题,提出了一种噪声未知情况下的自适应无迹粒子滤波(A-UPF)算法。算法采用改进的Sage-Husa估计器对系统未知噪声的统计特性进行实时估计和修正,并与无迹Kalman粒子滤波器相结合产生优选的建议分布函数,降低系统估计误差的同时有效提升了系统的抗噪声能力。实验结果表明,本文方法对于复杂条件下的目标跟踪问题具有较高的精度和较强的鲁棒性。 相似文献
12.
对半捷联稳定方式导引头进行了研究,导出了半捷联导引头稳定控制原理,并进一步建立了完整的半捷联导引头稳定回路框图。介绍了跟踪微分器的工作原理,并对其进行了数值仿真,仿真结果显示了跟踪微分器良好的跟踪性能和滤波性能。在半捷联稳定中,为了减小由框架角位置微分求取框架角速度引入的较大的测速噪声,提出了采用跟踪微分器的方法。数值仿真和半实物实验结果说明了跟踪微分器能有效地从角位置信号中微分求得角速度信号,系统稳定精度提高了80%,证明了跟踪微分器在半捷联稳定中应用的可行性和有效性。 相似文献
13.
14.
AKF与EFRLS在动态目标跟踪性能上的比较 总被引:1,自引:1,他引:0
卡尔曼滤波是具有递推估计形式的最优滤波,但最优性的获得是在过程噪声和观测噪声统计特性已知的前提下得到的。然而,在大量的动态目标跟踪实际问题中噪声具有不确定性,因而有必要研究在噪声不确定下动态目标的跟踪算法以满足实际问题的需要。文中介绍自适应Kalman滤波对过程噪声方差的估计以及推广的遗忘因子最小二乘法对状态估计的递推公式,并且在平均误差最小准则下通过计算机仿真比较两种方法对动态目标的跟踪性能.仿真结果表明,在不确定噪声下自适应Kalman滤波能够取得比推广的遗忘因子递推最小二乘法更好的跟踪性能。 相似文献
15.
16.
针对传统的交互式多模型(IMM)算法通常采用相同维数的模型进行滤波,存在较大的模型误差以及当前统计模型(CS)中的参数需要合理设定的问题,提出一种变维自适应交互式多模型(AIMM)跟踪算法。该算法首先利用维数变换,将不同维数的模型转换为统一的维数进行交互滤波,使之适用于一般的机动目标,减少模型跟踪误差;然后通过引入由残差信息定义的调整因子对CS模型中的参数自适应调整,提高模型与实际运动模式的匹配程度;最后将参数调整后的CS模型反馈到变维IMM算法中,来改善跟踪性能。仿真实验表明,与传统变维IMM算法相比,文中所提算法在有效跟踪机动目标的同时,提高了目标的跟踪精度。 相似文献
17.
18.
针对仅有角度测量信息条件下,被动传感器融合目标跟踪问题,提出了扩维UKF滤波算法;并对经典IMM进行改进提出变维IMM算法,利用不同维数模型之间的交互式融合解决对机动目标的跟踪问题;进一步考虑实际情况中往往存在的测量噪声为非高斯情况,引入自适应滤波方法。最终提出变维交互式多模型自适应抗差扩维无迹滤波方法(VDIMM-AAUKF),成功实现了被动多传感器在高斯和非高斯噪声情况下对机动目标跟踪。仿真实验结果表明该算法跟踪精度高、稳定性好,具有较好的实际应用价值。 相似文献
19.
针对在复杂环境下基于卡尔曼滤波的雷达目标跟踪中存在的鲁棒性和自适应性较差的问题,研究了一种新的雷达目标自适应鲁棒跟踪算法;通过引入自适应渐消因子,对估计误差协方差和滤波增益矩阵进行在线自适应调整,从而使得滤波算法具备良好的鲁棒性和自适应性,提高雷达目标跟踪的精度。最后,通过仿真对所研究的方法进行了验证。 相似文献
20.
机动目标通常不是做恒定的运动,其运动状态会随时间的变化而变化.这就使描述系统运动的状态方程是非线性的,而且系统参数会不断变化.传统的推广卡尔曼滤波适用于定系统定参数的情况,如果运用到机动目标跟踪上会导致误差增大甚至滤波发散.基于此,将强跟踪滤波运用到机动目标跟踪上.强跟踪滤波在卡尔曼滤波的基础上引入了多重渐消因子,使强跟踪滤波具有极强的跟踪能力和较好地鲁棒性,因此可以很好地解决变系统变参数的问题.通过仿真,将强跟踪滤波与UT-BLUE滤波方法和EKF滤波方法进行比较,结果表明了该滤波方法的有效性和优越性. 相似文献