共查询到18条相似文献,搜索用时 93 毫秒
1.
2.
3.
4.
5.
本文针对基于扩展Kalman滤波(EKF)的多径估计算法需要对非线性观测方程进行线性化.对初值比较敏感,造成估计性能下降的问题,提出了基于智能优化的多径估计算法.该算法将估计误差的二阶矩作为目标函数,将瞬时误差作为约束条件,同时考虑多径参数的先验信息,实现了将多径估计问题转化为具有约束条件的优化问题.然后,利用一种智能优化算法来解决该优化问题.本文采用了ε等级约束差分进化(εCRDE)算法来解决有约束条件的优化问题,并对该算法进行改进,使改进后的εCRDE算法可以实现多径参数的迭代估计.仿真结果表明,与EKF算法相比,在单一多径和2路多径情况下,基于改进εCRDE的多径估计算法都具有更好的估计性能. 相似文献
6.
为准确估计捷联导引头视线角速率,建立了全捷联导引头数学模型,根据弹目运动相对关系进行视线角速率解耦与估计算法研究。首先,建立了全捷联导引头数学模型,并利用Taylor 级数对其进行线性化;接着,根据弹目运动几何学与坐标系相对关系推导视线角速率解耦算法;然后,针对捷联导引头无法直接测量体视线角速率的问题,提出微分+稳态Kalman 滤波方法估计体视线角速率;最后,建立视线角速率解耦与估计算法验证系统并进行仿真实验,结果表明:解耦算法绝对误差小于510-5 rad/s,相对误差小于0.3%,验证了解耦算法的正确性;在包含导引头数学模型的条件下,采用角频率为19.2 rad/s 的稳态Kalman 滤波器,视线角速率估计误差小于410-3 rad/s,较直接微分方法的估计误差提高近一个量级。视线角速率解耦与估计算法同时能满足制导系统对精度与动态性能的要求。 相似文献
7.
基于去偏转换测量卡尔曼滤波建立状态初始估计的方法 总被引:3,自引:0,他引:3
针对非线性观测的目标跟踪问题,本文在极坐标观测方程条件下,基于去偏转换测量卡尔曼滤波算法(CMKF-D),计算观测值转换到直角坐标系后的观测误差均值和方差。以此为基础提出了一种由前两点观测值建立初始估计的方法。仿真结果表明,使用该方法建立初始估计,能使滤波器迅速收敛,提高初始阶段的跟踪精度。 相似文献
8.
提高GPS定位精度的改进卡尔曼滤波算法研究 总被引:6,自引:1,他引:5
介绍了一种有效提高GPS定位精度的改进卡尔曼滤波算法.该算法针对最小二乘法和标准卡尔曼滤波的特点,通过伪距估计出接收机的位置和钟差,有效避免了由于滤波初值、系统噪声方差以及量测噪声方差带来的滤波发散问题.同时该算法不直接使用卡尔曼滤波来估计接收机的状态,而是估计接收机状态的误差,减小了运算量,有效提高了定位精度.在进行状态误差估计时,不需要存储大量测量数据,能方便地进行动态测量数据的实时处理.仿真结果证明此算法具有较快的收敛速度和较高的定位精度. 相似文献
9.
针对混响和空间噪声,本文提出一种基于三麦克风特征值分解的时延估计算法.该算法将混响和空间噪声下的时延估计构造成一个双入三出(DITO)系统的信道盲辨识问题,通过对房间冲激响应进行盲辨识来去除混响的影响,通过双初值初始化来分离声源与空间噪声的时延信息, 从而提高了实际环境下时延估计算法的性能.仿真实验结果表明,在混响和空间噪声环境下,本文算法能有效地进行时延估计. 相似文献
10.
11.
12.
13.
14.
研究输入、输出观测数据均受噪声干扰时的非线性Volterra系统的全解耦自适应滤波问题.基于总体最小二乘技术和Volterra滤波器的伪线性组合结构,运用约束优化问题的分析方法研究Volterra滤波过程,从而建立了一种总体全解耦自适应滤波算法.并建立了分析该算法收敛性能的参数反馈调整模型,分析表明,该算法可使各阶Volterra核稳定地收敛到真值.仿真实验的结果表明,当输入、输出观测数据均受噪声干扰时,总体全解耦自适应滤波算法的鲁棒抗噪性能和滤波精度均优于全解耦LMS自适应滤波算法. 相似文献
15.
本文研究了Volterra自适应滤波的解耦问题.通过对Volterra滤波器的伪线性组合结构的提出和分析,得到了一个新的关于均方误差MSE的表达式,并将Volterra自适应滤波问题描述为一个约束优化问题,从而导出了满足最小均方误差(MMSE)指标的具有分块对角型输入相关矩阵的全解耦Volterra标准方程,据此设计了一种全解耦的Volterra自适应滤波器,给出了滤波器权向量的自适应修正公式.仿真结果验证了本文方法的有效性. 相似文献
16.
针对经典的推广卡尔曼滤波算法受初值和测量噪声影响大,算法不稳定等缺点,提出了一种新的基于极坐标的转换测量卡尔曼滤波定位算法,计算机仿真结果验证了这种算法具有较好的稳定性和实用性. 相似文献
17.
针对移动外辐射源跟踪问题,提出一种融合到达角(Angle of Arrival,AOA)与到达时间差(Time Difference of Arrival,TDOA)观测量的量测转换Kalman滤波(Converted Measurement Kalman Filter,CMKF)算法。首先,采用了一种考虑了传感器位置偏差影响的无源定位算法作为转换非线性的AOA与TDOA观测量至笛卡尔坐标系下观测量的方法,并证明了当AOA与TDOA的测量噪声以及传感器位置偏差都服从高斯分布且噪声强度不大时,该量测转换方法的位置转换误差能达到克拉美罗(Cramér-Rao Lower Bound,CRLB)界;其次,在量测转换的基础上构建了关于移动外辐射源的线性状态空间模型,将非线性的目标跟踪问题转化为线性滤波问题,并最终使用标准Kalman滤波器实时跟踪移动外辐射源位置。仿真结果不仅验证了量测转换精度与理论分析结论吻合,还表明了所提CMKF算法的跟踪精度同时优于扩展Kalman滤波器、无迹滤波器以及粒子滤波器。 相似文献
18.
针对交互式多模型(IMM)算法切换滤波模型缓慢、跟踪精度低甚至发散的问题,提出了在机动目标跟踪中使用的高斯-艾肯特滤波算法。首先,该算法确定观测模型和滤波模型集,分别构造量测方程组和滤波方程组,形成总体观测矩阵;然后,针对跟踪目标的非合作机动,提出使用卡方检验来检验滤波效果,并通过滤波控制算法实时调整滤波内存长度,使用高斯-艾肯特滤波对机动目标跟踪具有很强的灵活性,实现自适应跟踪;最后,在目标跟踪仿真中与三种改进模型集的卡尔曼滤波IMM算法进行对比验证,对两类算法进行了复杂度分析。仿真结果证明了高斯-艾肯特滤波算法的有效性,在无先验信息条件下拥有更高的跟踪精度。 相似文献