共查询到19条相似文献,搜索用时 89 毫秒
1.
2.
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。 相似文献
3.
宦昱 《自动化与仪器仪表》2021,(2):42-45
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... 相似文献
4.
5.
6.
7.
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。 相似文献
8.
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. 相似文献
9.
10.
崔彦凯 《计算机测量与控制》2017,25(5):215-217, 221
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。 相似文献
11.
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. 相似文献
12.
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. 相似文献
13.
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. 相似文献
14.
UKF滤波器的强跟踪性研究 总被引:4,自引:0,他引:4
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。 相似文献
15.
16.
程水英 《计算机工程与应用》2008,44(24):25-35
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。 相似文献
17.
基于自适应卡尔曼滤波的机动目标跟踪算法 总被引:1,自引:0,他引:1
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。 相似文献
18.
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。 相似文献
19.
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. 相似文献