基于UKF的高动态GPS载波跟踪

在高动态环境下,传统的GPS载波跟踪环无法保证可靠的跟踪．本文提出一种改进的基于无迹卡尔曼滤波的高动态载波跟踪方法,采用频率快速牵引方法来保证滤波快速收敛,并加入了一种载波幅度的估计方法．利用美国喷气推进实验室高动态载体模型对环路的跟踪性能进行了测试．测试结果表明,该方法在高动态环境下不仅能快速牵入和锁定载波信号,而且在高达lOOg／s的加加速度作用过程中也能持续精确的跟踪．     

一种新的高动态GPS载波跟踪算法

提出了基于无迹粒子滤波（UPF）算法的高动态GPS载波跟踪环路,仿真分析了该方案在高斯噪声和非高斯噪声环境下对高动态GPS信号的跟踪性能,并与分别基于扩展卡尔曼滤波（EKF）、无迹卡尔曼滤波（UKF）、粒子滤波（PF）及扩展卡尔曼粒子滤波（EPF）这四种算法的载波跟踪环路进行了性能对比。仿真结果表明,基于UPF估计器的载波跟踪环路在高动态、弱信号以及非高斯噪声环境下具有优越的跟踪性能,既可以提高跟踪精度,又解决了非高斯噪声干扰问题。通过模拟实验验证了该方案的有效性。     

基于模糊控制的GPS高动态载波跟踪算法

卫星导航接收机载波跟踪环路通常采用锁频环(FLL)辅助锁相环(PLL)的方式,传统FLL辅助PLL载波跟踪环路中,FLL与PLL同时工作,载波环无法根据载体动态进行调整,充分发挥出FLL与PLL的优势,因此,提出一种基于模糊控制的FLL辅助PLL(FAFPLL)载波跟踪环路结构,其关键是对PLL和FLL的环路增益进行调...     

高动态下GPS信号跟踪环路的仿真研究

GPS信号跟踪过程是GPS接收机的核心组成部分,它是将捕获阶段得到的各项参数进行精确估计的过程,实现本地生成信号与输入信号的准确同步。以高动态环境为前提,模拟生成GPS信号,改变卫星信号的加加速度,模拟高动态下所引起的多普勒频移,分别使用传统跟踪环路与扩展卡尔曼滤波环路对信号进行跟踪。仿真结果显示,扩展卡尔曼滤波跟踪环路更加稳定,精度有所提高。     

基于载波表的GPS载波跟踪环路研究

实时GPS软件接收机可以使用查找表的方法得到本地复现载波以减少运算量。载波表是由一组具有一定频率间隔和固定初始相位的正弦和余弦信号组成。传统的载波跟踪环路无法使用具有离散频率和不连续相位的复现载波完成GPS载波跟踪。针对这一问题,使用相位补偿算法对载波进行相位补偿,设计了基于载波表的载波跟踪环路。仿真结果表明该载波跟踪环路能有效实现GPS信号的载波跟踪,且与传统的载波跟踪环路相比仅有微小的信噪比损失和频率跟踪精度衰减,可用于实时GPS软件接收机设计。     

高动态数字化GPS软件接收机系统

为了研制高动态GPS软件接收机,本文利用TMS320C6713,GP2010和GP2021设计了软件接收机硬件平台.基于所选择的硬件平台,对捕获、码跟踪、载波跟踪算法的选择及其参数与接收机动态性能的关系进行分析.实验结果表明:理论分析和实验结果是吻合的,所研制的GPS接收机在速度12 km/s、加速度为10 g,加加速度为10 g/s、数据更新率为10 Hz的情况下,定位精度可达15 m.     

高动态GPS定位滤波算法的仿真研究

当前,GPS全球定位系统是相对完美的卫星定位系统,它的显著优点是全球性、全天候、实时定位,也可应用到多方面上,一般是应用在航天、航海等领域。尤其是最近几年来,GPS导航的应用更加多方面,它的发展前景也是无限好。在高动态GPS的定位数据中会有些许影响到定位的因素,然而将卡尔曼滤波方法应用到其中就可以大大降低该误差,从而提高精度,然而,在现实生活中得到对系统状态精确描述的内容是较为困难的。本论文对GPS的误差进行了分析,结果表明,提到的滤波算法对于高动态GPS定位很是适合。最后,在GPS/DR和GPS/INS组合导航定位系统中应用了卡尔曼滤波算法,并对其作了仿真分析和建模,得到了较为理想的结果。     

GPS软件接收机载波跟踪环的设计实现

在接收机的信号优化问题的研究中,多普勒频移的跟踪是GPS信号解扩的关键技术之一.针对传统载波跟踪环路中由接收机加速度和加加速度引起的多普勒频移跟踪误差大的缺点,根据科斯塔斯(Costas)环实现载波跟踪的基本原理,为了减少信号误差,提出了接收机载波跟踪环路中鉴别器、滤波器和载波NCO的一种软件实现方法,推导出在不同动态环境下载波跟踪环路带宽和环路频率更新时间的理论值范围,最后对不同动态软件接收机接收的信号进行了跟踪仿真.结果表明:设计的载波跟踪环路功能正常,性能稳定,可快速精确地完成GPS信号的载波跟踪.     

低信噪比高动态条件下载波同步技术研究

针对极低信噪比高动态条件下载波同步问题,采用锁频环（FLL）和锁相环（PLL）相结合的方法来实现载波跟踪。对常用的叉积自动频率跟踪环（CPAFC）进行了改进,改进后的鉴频算法具有更快的捕获速度。对整体环路进行仿真,结果表明了该环路能有效地解决载波快速捕获与精确跟踪的问题。     

改进的CS-UKF加速度方差自适应跟踪算法

针对基于当前统计模型的状态噪声协方差阵中的加速度方差调整方法对一般机动目标、非机动目标跟踪精度差的问题,研究其改进方法;在建立机动目标当前统计模型离散状态方程和雷达导引头离散观测方程的基础上;利用雷达导引头测量信息和位置预测值之间的扰动对加速度方差进行调整,提出了改进的加速度方差自适应调整无迹卡尔曼滤波跟踪算法;数字仿真验证了该算法对非机动目标、一般机动目标以及高机动目标均具有良好的跟踪效果。     

基于改进UKF的GPS非线性动态滤波研究

为了提高动态定位精度,将一种改进的UKF(Unscented galman Filter)算法应用在GPS非线性动态定位解算中.将UKF算法与IEKF(Iterated Improved Kalman Filter)算法相结合,因此保持了基本UKF算法易于实现和收敛速度快的优点,同时由于滤波值是通过迭代扩展的卡尔曼滤波机制得到,进而更新值能更准确的逼近非线性系统状态概率密度函数,具有更高的精度.应用于GPS非线性动态滤波定位中,仿真结果表明:与UKF算法相比,算法能够明显提高定位精度.     

基于UKF的闪烁噪声机动目标跟踪

闪烁噪声下的机动目标跟踪是一个非线性非高斯系统滤波问题,传统的卡尔曼理论很难保证其跟踪精度.文中提出了一种基于UKF的闪烁噪声机动目标跟踪算法,首先对目标系统的状态方程进行无味变换,然后再进行滤波估计,以减小跟踪误差.UKF不需要求导,它能比EKF更好地迫近目标运动模型的非线性特性,具有更高的估计精度,计算量却与EKF同阶.在仿真实验中采用"协同转弯模型"作为机动目标的运动模型,雷达的量测方程也是非线性的,分别应用UKF和EKF跟踪闪烁噪声下的机动目标,结果表明,UKF能够较好地解决闪烁噪声下跟踪机动目标的难题,其跟踪精度要远远高于EKF.     

A new real-time eye tracking based on nonlinear Unscented Kalman Filter for monitoring driver fatigue

A new scheme for driver fatigue detection is presented, which is based on the nonlinear unscented Kalman filter and eye tracking. Assuming a probability distribution than to approximate an arbitrary nonlinear function or transformation, eye nonlinear tracking can be achieved using an unscented transformation (UT), which adopts a set of deterministic sigma points to match the posterior probability density function of the eye movement. Driver fatigue can be detected using the percentage of eye closure (PERCLOS) framework in a realistic driving condition after the eye nonlinear tracking. This system was tested adequately in realistic driving environments with subjects of different genders, with/without glasses, in day/night driving, being commercial/noncommercial drivers, in continuous driving time, and under different road conditions. The last experimental results show that the proposed method not only improves the robustness for nonlinear eye tracking, but also can provide more accurate estimation than the traditional Kalman filter.     

UKF滤波器的强跟踪性研究

与EKF滤波器相比较，UKF滤波器和强跟踪滤波器各自具有不同的特点，在基于计算机视觉的运动人手跟踪系统中往往需要将这些不同的特点相结合，本文揭示了UKF滤波器与强跟踪滤波器之间的关系，研究表明，在线性系统中，UKF滤波器是强跟踪滤波器；在非线性系统中，在一定的条件下，UKF是强跟踪滤波器，本文给出了一个充分条件，最后给出了部分实验结果。     

基于修正的卡尔曼滤波自适应跟踪算法

针对卡尔曼滤波对匀速运动目标能有效的跟踪,但是当目标出现转弯时,很难达到跟踪精度的要求,甚至丢失目标的现象.对卡尔曼滤波算法进行了改进,在观测向量中引入了两个加速度误差变量,它们动态地修正状态估计误差从而减少跟踪精度误差,形成了修正的Kalman算法.但是由于状态变量维数增加,使得计算量增加,实时性下降,将卡尔曼滤波算法与修正的卡尔曼滤波算法两种算法相结合,提出了基于修正的卡尔曼滤波自适应跟踪算法.仿真结果表明,具有良好的稳定性和精确度,优于一般的卡尔曼滤波算法.     

无味变换与无味卡尔曼滤波

综述了非线性估计问题的由来、无味变换（UT,Unscented Transformation）的基本思路与基本算法、各种衍变形式、σ点集的设计原则、无味卡尔曼滤波（UKF,Unscented Kalman Filtering）的基本算法及其各种改进算法、UT的本质、UKF与几种免微分非线性滤波方法的比较、UT与UKF的相关应用、针对几种UKF算法的仿真实例,以及目前在UT与UKF的研究中尚存在的一些问题和对今后研究的展望等;提出了笔者的一些最新研究成果和见解。     

基于自适应卡尔曼滤波的机动目标跟踪算法

在机动目标跟踪过程中,由于目标运动的不确定性,雷达系统接收的数据存在噪声,使预置目标运动模型通常很难得到较高的跟踪精度。为此,以自适应卡尔曼滤波为基础,将直角坐标系和球坐标系相结合,提出了一种混合坐标系下的自适应卡尔曼滤波算法。算法避免了两个坐标系变换引起的噪声统计规律变化问题,并针对目标发生大机动运动的情况,自适应的调整动态模型中机动目标运动参数。蒙特卡洛仿真结果表明,改进算法的收敛速度和对状态的估计精度均得到优化,并对机动目标具有较好的跟踪性能。     

基于能量高效动态分簇的目标跟踪算法

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。     

基于UKF的SINS动基座传递对准研究

在非线性、非高斯条件下进行动基座传递对准,如果采用卡尔曼滤波器误差会比较大而且可能会存在发散的问题,为了解决问题,引入了无迹卡尔曼滤波UKF(unscented Kalman filter).使用确定性样本的方法米处理非线性的问题,使得采样点的均值和方差完全符合实际的非线性系统的均值和方差,解决了惯性导航系统动基座传递对准在正常工作时的基本条件.采用UKF和扩展卡尔曼滤波EKF(Extended Kalman Filter)的计算机仿真结果表明:UKF与EKF相比,精度提高了2倍,时间少了10秒.