检索结果-南通市图书馆

噪声特性未知的多传感器协方差交叉融合姿态估计

在线全文

学校读者我要写书评

暂无评论

控制与决策 2016年第2期31卷 273-278页

作者：王硕宋申民史小平于浛哈尔滨工业大学航天学院哈尔滨150001

针对噪声特性未知的多传感器航天器姿态估计过程中互协方差未知的问题,提出一种鲁棒的协方差交叉(CI)融合算法.首先采用容积卡尔曼滤波(CKF)器获取局部的估计信息;然后以最小化非线性性能指标为原则求取局部的估计信息权重;最后使用CI... 详细信息

针对噪声特性未知的多传感器航天器姿态估计过程中互协方差未知的问题,提出一种鲁棒的协方差交叉(CI)融合算法.首先采用容积卡尔曼滤波(CKF)器获取局部的估计信息;然后以最小化非线性性能指标为原则求取局部的估计信息权重;最后使用CI算法融合各局部估计信息.此外,对于由四元数描述航天器姿态时存在的冗余问题,采用了以误差四元数和误差广义罗德里格参数相互切换的方法来替代.仿真结果验证了所提出算法的有效性.

关键词：协方差交叉多传感器信息融合容积卡尔曼滤波四元数

在线全文

学校读者我要写书评

暂无评论

协方差交叉法处理无序量测问题

电光与控制 2014年第4期21卷 1-4页

作者：胡建旺袁丁吉兵梁伟军械工程学院信息工程系石家庄050003

针对目标跟踪系统中存在的无序量测问题,在前向预测的基础上,提出使用协方差交叉法处理无序量测的滤波算法。新算法首先在前向预测框架下,构建包含延迟量测信息的重构航迹,而后采用协方差交叉法对重构航迹与已有航迹进行融合,实现再更... 详细信息

针对目标跟踪系统中存在的无序量测问题,在前向预测的基础上,提出使用协方差交叉法处理无序量测的滤波算法。新算法首先在前向预测框架下,构建包含延迟量测信息的重构航迹,而后采用协方差交叉法对重构航迹与已有航迹进行融合,实现再更新。通过采用信息滤波器和协方差交叉法,避免了状态转移矩阵求逆及求解航迹相关性等复杂运算,新算法可处理一步和多步延迟无序量测情形。理论分析和仿真实验说明,新算法在保证滤波精度的基础上,减小了存储量与计算量,实时性更好。

关键词：目标跟踪航迹融合无序量测协方差交叉信息滤波

在线全文

学校读者我要写书评

暂无评论

基于逆协方差交叉的非线性滤波融合算法

电子设计工程 2020年第16期28卷 30-34页

作者：林辉盛安冬戚国庆从金亮李银伢南京理工大学自动化学院江苏南京210094 常熟理工学院电气与自动化工程学院江苏苏州215500

针对多传感器非线性系统数据融合问题,提出一种基于逆协方差交叉的多传感器扩展卡尔曼滤波算法。首先,利用扩展卡尔曼滤波算法将非线性系统线性化,获得局部稳态扩展卡尔曼滤波器,并描述其扩展信息形式;其次,为了解决互协方差对非线性系... 详细信息

针对多传感器非线性系统数据融合问题,提出一种基于逆协方差交叉的多传感器扩展卡尔曼滤波算法。首先,利用扩展卡尔曼滤波算法将非线性系统线性化,获得局部稳态扩展卡尔曼滤波器,并描述其扩展信息形式;其次,为了解决互协方差对非线性系统下滤波融合结果的影响,并引入协方差交叉算法和逆协方差交叉算法;最后通过分析两种算法误差协方差阵的大小范围,给出了逆协方差融合算法的精度分析。对纯方位目标跟踪系统进行仿真实验,验证了算法的可行性。

关键词：非线性系统扩展信息滤波协方差交叉逆协方差交叉

在线全文

学校读者我要写书评

暂无评论

协方差交叉在分布式传感器网络定位中的应用

西安邮电学院学报 2008年第1期13卷 95-98页

作者：王彦本杨武军西安邮电学院通信工程系陕西西安710121

节点定位的精确性在分布式传感器网络的许多应用中都起着至关重要的作用。目前较受关注的定位方法主要包括TDOA和RSS。这两种方法是非独立的,而且定位精度易受噪声影响。如果采用传统的卡尔曼滤波方式对数据加以融合,可以降低估计误差... 详细信息

节点定位的精确性在分布式传感器网络的许多应用中都起着至关重要的作用。目前较受关注的定位方法主要包括TDOA和RSS。这两种方法是非独立的,而且定位精度易受噪声影响。如果采用传统的卡尔曼滤波方式对数据加以融合,可以降低估计误差。但因假定数据间的协方差为零,使结果并非保守可靠。本文将协方差交叉算法应用于此类数据融合问题,分别在泊松分布和均匀分布情况下,对分布式传感器网络的节点定位过程加以仿真。结果显示,协方差交叉算法更加可靠,并且提高了定位精度,非常适用于分布式传感器网络。

关键词：分布式传感器网络数据融合协方差交叉到达时间差接收信号强度

基于李群不确定映射的冗余IMU鲁棒CI融合姿态估计

在线全文

学校读者我要写书评

暂无评论

控制与决策 2024年

作者：仇翔石水萌胡中尧陈博浙江工业大学信息工程学院

针对冗余惯性测量单元(Inertial Measurement Unit, IMU)姿态估计问题,通过采用不变扩展卡尔曼滤波器结构,将被估计系统动态特性建模为矩阵李群和偏差向量的混合模型,从而设计了基于协方差在线校正的局部IMU姿态估计器.在此基础上,采用... 详细信息

针对冗余惯性测量单元(Inertial Measurement Unit, IMU)姿态估计问题,通过采用不变扩展卡尔曼滤波器结构,将被估计系统动态特性建模为矩阵李群和偏差向量的混合模型,从而设计了基于协方差在线校正的局部IMU姿态估计器.在此基础上,采用对数映射将李群不确定性映射到向量空间,进而构造依赖于局部姿态估计器参数的分布式融合问题,从而设计了基于李群的鲁棒协方差交叉融合准则.特别地,为解决局部估计器之间互协方差未知的问题,通过引入先验容差来约束未知互协方差,从而提供低保守性的协方差上界以提高融合估计性能,形成了一种具有双层结构的冗余IMU姿态估计方法.最后在下肢外骨骼康复机器人平台上验证了所提算法的有效性.

关键词：姿态估计冗余IMU 不变卡尔曼滤波矩阵李群协方差交叉

采用相对位置量测的紧耦合式多无人机协同定位算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

西安交通大学学报 2024年

作者：刘淑青高永新韩德强西安交通大学电子与信息学部

针对仅使用惯性测量单元（IMU）的自主定位导航存在严重误差累积的问题，将IMU解算和置信传播（BP）算法进行紧耦合，在扩展卡尔曼滤波器（EKF）的框架下，使用无人机(UAV)间的相对位置量测直接更新大地坐标系下各无人机的位置状态，提... 详细信息

针对仅使用惯性测量单元（IMU）的自主定位导航存在严重误差累积的问题，将IMU解算和置信传播（BP）算法进行紧耦合，在扩展卡尔曼滤波器（EKF）的框架下，使用无人机(UAV)间的相对位置量测直接更新大地坐标系下各无人机的位置状态，提出了一种适用于大地坐标系多无人机定位与导航的紧耦合的分布式协同定位算法。首先，实现了基于IMU量测和无人机间相对位置量测的集中式协同定位算法；接着，将BP算法扩展到大地坐标系，并与基于IMU的自主导航紧耦合，完成卫星拒止环境中多无人机系统的协同定位与导航；最后，将所提出的方法与基于协方差交叉的协同定位进行比较。仿真结果表明，分布式协同定位算法具有明显的计算效率优势，与基于协方差交叉的分布式协同定位方法相比，所提EKF-BP提高了多无人机系统在卫星拒止环境中的定位导航精度，是协方差交叉方法提升量的10倍左右。所提的分布式EKF-BP能够显著地抑制仅依赖IMU数据所导致的定位导航精度随时间迅速变差的问题。

关键词：集中式协同定位分布式协同定位置信传播协方差交叉

不完全量测下基于信息一致性的分布式容积卡尔曼滤波算法

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

兵工学报 2021年第11期42卷 2396-2408页

作者：王宁李银伢戚国庆盛安冬南京理工大学自动化学院江苏南京210094

针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡... 详细信息

针对不完全量测条件下分布式火控系统中的非线性目标跟踪问题,为提高跟踪系统的估计精度并保证各探测单元估计结果的一致性,提出一种基于信息一致性的分布式容积卡尔曼滤波(ICDCKF)算法。针对非线性系统,给出不完全量测下的改进容积卡尔曼滤波。考虑到各探测单元间局部估计信息的相关性,该算法首次将协方差交叉方法应用于非线性一致性滤波算法,提高互协方差未知情形下分布式融合的估计精度。特别地,为确保算法的可行性,给出不完全量测情形下,ICDCKF算法估计结果收敛的条件,并从理论上严格证明在该条件下ICDCKF算法可以保证估计方差的有界性。ICDCKF算法应用于一类光电跟踪网络,与现有CKFI算法、CKF_CI算法、KCF_Me算法对比分析表明:ICDCKF算法在保证各探测单元估计结果一致性的同时,大幅度提高了跟踪系统的估计精度。

关键词：分布式估计不完全量测信息一致性协方差交叉容积卡尔曼滤波

极大似然递归更新LMB多传感器融合跟踪方法研究

在线全文

学校读者我要写书评

暂无评论

极大似然递归更新LMB多传感器融合跟踪方法研究

作者：林俊浩杭州电子科技大学

学位级别：硕士

在多目标跟踪领域,基于随机有限集理论的跟踪方法受到持续关注和蓬勃发展。典型的有限集跟踪器包括:概率假设密度(PHD)、势概率假设密度(CPHD)、多伯努利(Me MBer)、势均衡多伯努利(CBMe MBer)以及标签多伯努利(LMB)等。其中,LMB跟踪器... 详细信息

在多目标跟踪领域,基于随机有限集理论的跟踪方法受到持续关注和蓬勃发展。典型的有限集跟踪器包括:概率假设密度(PHD)、势概率假设密度(CPHD)、多伯努利(Me MBer)、势均衡多伯努利(CBMe MBer)以及标签多伯努利(LMB)等。其中,LMB跟踪器是较新的研究成果,具有跟踪精度高、鲁棒性强的特点。尽管如此,LMB需要考虑大量标签伯努利项与量测的组合,导致计算负担大。因此,在面临复杂跟踪环境时,提高传统LMB的实时性是一个研究难点。此外,由于单传感器LMB计算复杂度很高,多传感器LMB的融合跟踪设计问题一直是一个研究难点,特别是如何在计算可控的条件下实现多目标状态和身份(标签)的全局一致性估计。为此,本文将针对上述难点开展极大似然递归更新LMB多传感器融合跟踪方法研究,重点解决以下两个问题:(1)如何基于单传感器信息对多目标实现快速、鲁棒和精确地跟踪问题;(2)如何实现多传感器组网下的多目标状态和身份的全局一致性估计问题。本文主要工作如下:(1)针对标签多伯努利跟踪器在面对高目标密度、强杂波等复杂跟踪场景实时性弱的问题,提出了一种基于极大似然递归更新的标签多伯努利跟踪方法(MLRU-LMB)。核心步骤具体为:首先,从量测和标签多伯努利项的所有组合中找出极大似然元素;然后,使用所有量测去更新与极大似然相对应的标签多伯努利项;接着,移除与当前极大似然元素相对应的标签多伯努利项和量测;最后,不断递归执行上述步骤直到更新完成。为了充分说明所提方法的有效性,分别从检测概率、杂波率、目标数三方面来测试其性能。实验表明,所提的MLRU-LMB跟踪方法具有跟踪精度高,鲁棒性强,实时性优的特点,总结如下:1)当杂波密度较低、目标数较少和检测概率较高时,MLRU-LMB和吉布斯-标签多伯努利(Gibbs-LMB)具有相似的性能;2)当杂波密度较高、目标数量较大或检测概率较低时,MLRU-LMB仍能保持良好的跟踪质量。Gibbs-LMB可以通过增加采样数量来提高跟踪效果,但以增加计算规模为代价;3)MLRU-LMB在跟踪效果和计算效率之间取得了很好的平衡。(2)在工作(1)的基础上,针对低检测概率、强杂波等复杂跟踪场景单传感器跟踪效果不佳的情况,提出了一种迭代校正融合跟踪算法。首先,利用第一个传感器的量测信息实现MLRU-LMB;然后,将后验航迹估计结果作为第二个传感器的先验信息继续执行MLRU-LMB;最后,重复执行直到最后的传感器更新结束,输出融合航迹估计结果。通过四个不同的跟踪场景,测试了基于迭代校正的多传感器MLRU-LMB融合跟踪方法具有不错的跟踪性能和鲁棒性,总结如下:1)该融合跟踪方法实现了目标的状态和标签全局一致性估计;2)该融合跟踪方法能够更快地发现目标,跟踪精度较单传感器有所提升。(3)在工作(1)、(2)的基础上,基于单传感器MLRU-LMB跟踪算法,提出一种新的融合策略,即匹配融合跟踪算法。首先,各个传感器利用各自的量测进行MLRU-LMB获得各自后验航迹估计;然后,通过对两个传感器后验状态估计进行关联匹配,再使用协方差交叉进行融合实现了状态全局一致性估计,以之前融合标签集合为参考标签空间,再不断扩大标签集的策略实现标签全局一致性估计;最后,重复执行将融合结果与另外一个传感器匹配融合,输出航迹估计结果。通过四个不同的跟踪场景,测试了基于匹配融合的多传感器MLRU-LMB融合跟踪方法具有不错的跟踪性能和鲁棒性,总结如下:1)该融合跟踪方法实现了目标的状态和标签全局一致性估计;2)在强杂波,低检测概率等复杂环境下,所提的匹配融合方法有效地提高目标的跟踪质量,与迭代校正方法相比,跟踪精度更高,是一种较易实现且跟踪质量更好的融合跟踪方法。

关键词：多传感器多目标跟踪迭代校正匹配融合 LMB 极大似然协方差交叉

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于QMC采样的GMPHD分布式融合方法

系统工程与电子技术 2017年第8期39卷 1702-1708页

作者：孔云波冯新喜许丁友西安测绘总站陕西西安710054 空军工程大学信息与导航学院陕西西安710077

针对高斯混合概率假设密度分布式融合过程中高斯分量数随时间急剧增长的问题,给出了一种适用于融合过程不同阶段的两级分量混合约简算法,最大程度地减少了信息的损失。针对高斯混合概率假设密度协方差交叉融合算法中高斯混合模型求幂运... 详细信息

针对高斯混合概率假设密度分布式融合过程中高斯分量数随时间急剧增长的问题,给出了一种适用于融合过程不同阶段的两级分量混合约简算法,最大程度地减少了信息的损失。针对高斯混合概率假设密度协方差交叉融合算法中高斯混合模型求幂运算后不再服从高斯混合分布的问题,提出了一种基于拟蒙特卡罗采样的等价求解方法。仿真实验表明,所提的改进算法在保证融合计算有效性和可行性的同时提高了融合精度。

关键词：高斯混合模型分布式融合协方差交叉高斯混合约简拟蒙特卡罗采样