检索结果-南通市图书馆

融合多源数据的局部重力场建模中线性化误差的研究

在线全文

学校读者我要写书评

暂无评论

大地测量与地球动力学 2016年第6期36卷 476-480页

作者：吴怿昊罗志才武汉大学测绘学院武汉市珞喻路129号 430079 武汉大学地球空间环境与大地测量教育部重点实验室武汉市珞喻路129号 430079

引入高阶重力场模型作为参考场,削弱局部重力场逼近中线性化误差的影响。以实测的陆地重力异常、船载重力异常及航空重力扰动为基础数据,基于泊松小波径向基函数分析不同参考场对局部重力场逼近的影响。结果表明,引入高阶全球重力场模... 详细信息

引入高阶重力场模型作为参考场,削弱局部重力场逼近中线性化误差的影响。以实测的陆地重力异常、船载重力异常及航空重力扰动为基础数据,基于泊松小波径向基函数分析不同参考场对局部重力场逼近的影响。结果表明,引入高阶全球重力场模型代替GRS80参考椭球正常场作为参考场,能更为准确地逼近真实的重力场,有效削弱线性化误差的影响。相比于基于GRS80正常场构建的似大地水准面模型,基于DGM1S重力场模型为参考场构建的似大地水准面的精度,在地形起伏较大的德国、英国及挪威区域分别提高了1.5mm、3.3mm和9.0mm。

关键词：局部重力场建模线性化误差泊松小波基函数全球重力场模型

基于高度角加权的伪卫星定位线性化误差评估方法

在线全文

学校读者我要写书评

暂无评论

测绘科学技术 2016年第1期4卷 1-10页

作者：霍翠萍李子申袁洪周凯中国科学院光电研究院北京中国科学院大学北京

与其他基于测距进行定位解算的导航系统(如GPS)一样,伪卫星定位系统观测模型在本质上是非线性的,对观测模型进行线性化对于大部分定位算法是一个必不可少的过程,而与GPS等卫星导航系统不同的是,伪卫星距离用户较近,其模型线性化时产生... 详细信息

与其他基于测距进行定位解算的导航系统(如GPS)一样,伪卫星定位系统观测模型在本质上是非线性的,对观测模型进行线性化对于大部分定位算法是一个必不可少的过程,而与GPS等卫星导航系统不同的是,伪卫星距离用户较近,其模型线性化时产生的误差不能被忽略,否则会导致定位解算可能无法正确收敛。针对此问题,本文精确地给出了线性化误差的边界值,并提出了判别线性化误差对定位精度影响的简化方法,根据此方法分析了不同伪卫星的星座布局对伪卫星系统线性化误差的影响。通过仿真对所提出的伪卫星的线性化误差评估的方法进行了验证。结果表明,当伪卫星系统满足判定条件时,迭代结果一定会收敛,而不满足时,则不一定收敛。

关键词：伪卫星线性化误差最小二乘迭代法星座布局

维普期刊数据库评论

在线全文

维普期刊数据库

学校读者我要写书评

暂无评论

一种减小线性化误差的滤波跟踪算法

电子测量技术 2011年第5期34卷 34-36页

作者：李莉李鹏 92941部队

针对雷达目标跟踪数据滤波过程中,不同坐标系下测量数据处理引入量测误差的问题,提出通过估算非线性量测下扩展卡尔曼滤波算法的量测误差,再进行量测误差的有效修正,最后给出了1种减小线性化误差的滤波方程。通过对该滤波算法的仿真验证... 详细信息

针对雷达目标跟踪数据滤波过程中,不同坐标系下测量数据处理引入量测误差的问题,提出通过估算非线性量测下扩展卡尔曼滤波算法的量测误差,再进行量测误差的有效修正,最后给出了1种减小线性化误差的滤波方程。通过对该滤波算法的仿真验证,该滤波算法增加了与距离有关的修正项,可实时对观测误差协方差矩阵进行计算,抵消了线性化误差的影响,可有效改进扩展卡尔曼滤波效果,并在很大程度上减小了雷达对目标的跟踪误差,提高了跟踪精度。

关键词：线性化误差补偿跟踪精度

在线全文

学校读者我要写书评

暂无评论

时空学习驱动的混合重要性高斯滤波

电子学报 2023年

作者：张宏伟中山大学航空航天学院

为消减由非线性动态系统与状态约束不一致引起的高斯截断误差和线性化误差，提出时空学习驱动的混合重要性高斯滤波（Mixed Importance Gaussian Filtering,MIGF）算法.该算法采用软约束和稀疏正则技术表征目标状态真实参数和当前时刻... 详细信息

为消减由非线性动态系统与状态约束不一致引起的高斯截断误差和线性化误差，提出时空学习驱动的混合重要性高斯滤波（Mixed Importance Gaussian Filtering,MIGF）算法.该算法采用软约束和稀疏正则技术表征目标状态真实参数和当前时刻测量之间的时空因果映射，利用瑞利熵混合历史状态和最新测量构建次优建议分布，根据因果不变结构融合重要性高斯-埃尔米特积分进行预测和更新，从而平衡样本数目和滤波精度并自适应地修正Sigma点权值，提升约束动态系统建模的准确性和参数估计的鲁棒性.实验结果表明，在综合性非线性标量状态估计中，相比无迹粒子滤波（Unscented Particle Filtering,UPF）,MIGF的滤波状态协方差减小45.37%.在小型固定翼无人机纯方位跟踪实验中，相比混合截断无迹卡尔曼滤波（Mixture Truncated Unscented Kalman Filtering,MTUKF）、交互多模型无迹卡尔曼滤波（Interacting Multiple-model Unscented Kalman Filtering,IMMUKF）和多模型Rao-blackwell粒子滤波（Multimodel Rao-Blackwell particle filtering,MMRBPF）,MIGF算法在时空一致约束下优化动态模型结构，获得更为准确、鲁棒的状态参数估计，整体运行时间相比IMMUKF增加一个数量级，而相比MMRBPF以模型集数目成倍减小.

关键词：高斯截断误差线性化误差稀疏正则时空学习时空因果映射瑞利熵

基于分数阶BASOA-IEKF融合算法的锂离子电池荷电状态估计研究

在线全文

同方期刊数据库

学校读者我要写书评

暂无评论

基于分数阶BASOA-IEKF融合算法的锂离子电池荷电状态估计研究

作者：薛定邦江苏大学

学位级别：硕士

荷电状态(State of Charge,SOC)是表征锂离子电池当前工作能力的状态值,精确的SOC估计可以防止电池工作过程中的过充放,让电池在安全区间内高效率运行,从而提升电池的使用寿命,降低安全风险。卡尔曼滤波类算法是一种基于电池模型的SOC... 详细信息

荷电状态(State of Charge,SOC)是表征锂离子电池当前工作能力的状态值,精确的SOC估计可以防止电池工作过程中的过充放,让电池在安全区间内高效率运行,从而提升电池的使用寿命,降低安全风险。卡尔曼滤波类算法是一种基于电池模型的SOC估计方法,针对扩展卡尔曼滤波(Extended Kalman Filter,EKF)电池模型精度不足、系统线性化误差以及对噪声协方差矩阵优化不足的问题,提出了一种以分数阶等效电路模型(Fractional order equivalent circuit model,FOECM)为底层电路,基于边界自适应人群搜索算法(Boundary adaptive seeker optimization algorithm,BASOA)融合迭代扩展卡尔曼滤波(Iterative extended Kalman filter,IEKF)的SOC估计方法,即BASOA-IEKF。本文从电池模型和估计算法两方面开展研究工作,具体内容如下:(1)搭建测试台架对所选用三元锂离子电池进行充放电特性测试和动态工况仿真测试。试验内容包括电池静态特性测试和动态特性测试,其中静态特性测试为多倍率条件下的容量标定试验,用以获得不同放电倍率下电池的容量变化曲线;动态特性测试包括HPPC(Hybrid Pulse Power Characterization,HPPC)特性测试获和UDDS(Urban Dynamometer Drving Schedule,UDDS)工况测试,其中HPPC特性测试数据用于后续电池模型的未知参数辨识,UDDS工况特性测试主要用于电池模型精度以及最终的SOC估计算法精度及鲁棒性验证。(2)针对所用的三元锂离子电池建立整数阶和分数阶等效电路模型。首先对传统整数阶二阶RC等效电路模型进行了改进,用电流控制电压源(Current control voltage source,CCVS)替代了原来的单一电压源,在此基础上为解决上述整数阶等效电路模型(Integer order equivalent circuit model,IOECM)对锂离子电池极化反应描述不足和高阶等效电路模型计算量较大的问题,建立了分数阶二阶RC等效电路模型;然后进行了模型未知参数识别,利用充、放电HPPC特性测试的电压回弹区域提取了取充、放电状态下的两组OCVSOC(Open Circuit Voltage-State of Charge,OCV-SOC)离散数据点,将其进行高阶多项式拟合得到全SOC区间内的OCV-SOC映射关系,采用自适应遗传算法(Adaptive genetic algorithm,AGA)辨识了整数阶和分数阶模型的其余未知参数,最后在HPPC工况和UDDS工况下分别验证了两模型的电压输出精度。(3)分别以整数阶和分数阶等效电路模型为底层电路,结合BASOA-IEKF算法进行三元锂离子电池的SOC估计。首先介绍并推导了EKF和IEKF算法的递推估计表达式,通过试验和仿真分析了不同IEKF迭代步数和噪声协方差矩阵对SOC估计结果的影响。在此基础上,提出利用智能寻优算法对IEKF的噪声协方差矩阵进行优化,介绍了SOA算法原理,针对其存在的搜索数据边界聚集问题和边界固定导致的搜索自由度不足的问题,根据反向学习原理提出了BASOA智能优化算法。最后提出了一种基于BASOA算法优化噪声矩阵的4步迭代IEKF算法,即BASOA-IEKF融合算法,以分数阶二阶RC等效电路模型为电池的底层电路,在静态工况和动态工况下对BASOA-IEKF算法的SOC估计精度及其鲁棒性进行了验证分析。

关键词：荷电状态锂离子电池分数阶模型线性化误差 BASOA-IEKF算法

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

光电跟踪目标的非线性滤波算法研究

仪器仪表学报 2004年第Z1期25卷 810-812页

作者：杨秀华陈涛王延风吉桐伯中国科学院长春光学精密机械与物理研究所

推广卡尔曼滤波算法由于忽略线性化误差,当目标距离超过一定限度时,导致跟踪精度迅速下降,易发散。为此,提出了一种以改进跟踪性能的滤波算法。该算法是基于对实际测量噪声方差的正确估计。将距离测量值的非线性作为附加的噪声,进行补偿... 详细信息

推广卡尔曼滤波算法由于忽略线性化误差,当目标距离超过一定限度时,导致跟踪精度迅速下降,易发散。为此,提出了一种以改进跟踪性能的滤波算法。该算法是基于对实际测量噪声方差的正确估计。将距离测量值的非线性作为附加的噪声,进行补偿,克服了非线性的影响,距离测量误差的方差每一步重新估计。仿真结果表明本文提出的算法优于推广卡尔曼滤波算法。

关键词：非线性滤波跟踪算法线性化误差卡尔曼滤波器

在线全文

学校读者我要写书评

暂无评论

卫星高精度姿态确定中的非线性滤波方法研究

卫星高精度姿态确定中的非线性滤波方法研究

作者：匡正德国防科学技术大学

学位级别：硕士

本文主要研究卫星高精度姿态确定中的非线性滤波方法。为满足精度的要求,需要分析影响定姿精度的各种因素。经典的扩展卡尔曼滤波(EKF)方法应用广泛,但是其线性化近似的弊端一直饱受诟病。而Unscented Kalman Filter(UKF)作为一种新的... 详细信息

本文主要研究卫星高精度姿态确定中的非线性滤波方法。为满足精度的要求,需要分析影响定姿精度的各种因素。经典的扩展卡尔曼滤波(EKF)方法应用广泛,但是其线性化近似的弊端一直饱受诟病。而Unscented Kalman Filter(UKF)作为一种新的非线性估计方法,代表了一种新的滤波思路,对非线性系统的适用性强,受到越来越多的关注。本文以EKF为基本方法,重点研究EKF滤波过程中星敏感器安装误差、线性化误差带来的影响,说明了EKF的适用范围。研究了UKF在高精度姿态确定中的应用,针对UKF滤波速度较慢的缺点,研究了比例变换下的最小偏度单形采样UKF。全文工作如下： 1.非线性滤波进展的研究通过比较各种常用滤波方法的性能,总结出适合于卫星高精度姿态确定的滤波方法,重点关注EKF、UKF滤波的发展情况。 2.基于EKF的定姿方法研究将非线性系统线性化和离散化,从KF中得到EKF,选取恰当的状态变量,得到基于EKF的姿态确定方法。并针对不同的初值进行仿真计算。 3.定姿中EKF的线性化误差研究分别针对用EKF姿态确定过程中的状态方程、测量方程的线性化误差建模并进行度量,从而分析这些线性化误差对定姿的影响,并进行仿真实验,验证了在很多情况下,线性化误差对定姿的结果影响不大。 4.基于UKF的定姿方法研究研究UKF的基本原理,将比例UT变换应用于最小偏度单形采样策略,得到计算量最小的UKF姿态确定算法。仿真实验表明该算法高效稳定。

关键词：卫星高精度定姿 EKF 线性化误差安装误差 UKF UT变换

光电目标跟踪中非线性卡尔曼噪声滤波算法的应用研究

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

科技通报 2013年第8期29卷 133-135页

作者：魏明刘高福贵州师范学院物理与电子科学学院贵阳550018

在非线性、非高斯噪声下对机动目标跟踪时,传统的卡尔曼滤波算法及其扩展型算法会使测量系统出现滤波精度下降、易发散等缺点。为了更好地解决系统非线性的问题,提高对机动目标的跟踪测量精度,本文提出了一种光电目标跟踪的改进型扩展... 详细信息

在非线性、非高斯噪声下对机动目标跟踪时,传统的卡尔曼滤波算法及其扩展型算法会使测量系统出现滤波精度下降、易发散等缺点。为了更好地解决系统非线性的问题,提高对机动目标的跟踪测量精度,本文提出了一种光电目标跟踪的改进型扩展卡尔曼滤波算法。该算法增加了相应的线性化误差补偿。仿真结果表明,改进型的扩展卡尔曼滤波算法可以有效补偿线性化误差,并且改进后的滤波性能要好于原滤波器。

关键词：光电目标跟踪非线性线性化误差改进型扩展卡尔曼滤波

尺度Unscented变换在同时定位与地图创建算法中的应用研究

在线全文

学校读者我要写书评

暂无评论

兵工学报 2008年第7期29卷 859-863页

作者：郭剑辉赵春霞石杏喜康亮南京理工大学计算机科学与技术学院江苏南京210094

同时定位与地图创建(SLAM)问题中运动及观测模型都是非线性的,当采用常用的扩展卡尔曼滤波(EKF)处理时需要通过Jacobian矩阵来线性化,由此带来的线性化误差影响了算法的一致性。本文将scaled unscented变换(scaled unscented transforma... 详细信息

同时定位与地图创建(SLAM)问题中运动及观测模型都是非线性的,当采用常用的扩展卡尔曼滤波(EKF)处理时需要通过Jacobian矩阵来线性化,由此带来的线性化误差影响了算法的一致性。本文将scaled unscented变换(scaled unscented transformation,SUT)以两种不同的方式运用到SLAM算法中,一是将整个状态方程进行SUT变换,用UKF完全代替EKF进行状态估计;二是只对状态向量中的机器人位姿进行SUT变换,地图特征的预测及整个状态的更新还是用EKF处理,以一种混合的方式进行状态估计。最后通过大量的Monte-Carlo仿真实验表明,两种方法都能有效地降低EKF的线性化误差,且第二种方法计算效率更高。

关键词：人工智能同时定位与地图创建(SLAM) 扩展卡尔曼滤波(EKF) scaled unscented 变换(SUT) 线性化误差