排序方式： 共有3条查询结果，搜索用时 0 毫秒
1
1.
提出一种基于随机有限集的同步定位与地图创建算法,该算法利用随机有限集对环境地图和传感器观测信息建模,建立联合目标状态变量的随机有限集。依据Bayesian估计框架,利用概率假设密度滤波的粒子滤波实现对机器人位姿和环境地图进行同时估计。新算法避免了数据关联过程,并能更加自然有效地表达同步定位与地图创建(simultaneous localization and mapping, SLAM)问题中多特征-多观测特性及多种传感器信息。在仿真实验中,利用FastSLAM2.0算法和新算法进行对比,实验结果验证了新算法的优越性。 相似文献
2.
针对船舶的导航精度提高的问题,采用基于海流数据的卡尔曼滤波算法获得的海流信息,并通过对船舶经纬度、海流分量和航向、航速等非线性微分方程进行线性化处理,得出其相应的转移矩阵,然后推算出船舶在某时刻的测量向量和测量矩阵.最后对各个方程式进行卡尔曼滤波计算,并通过对系统的仿真所得到的误差曲线验证了该方法的有效性,最终通过该方法保证系统模型的实时性. 相似文献
3.
基于BP神经网络的GFSINS角速度预测 总被引：2，自引：0，他引：2
针对无陀螺捷联惯导系统(GFSINS)中传统角速度算法解算精度不高的问题,提出一种可避免复杂代数运算的反向传播(BP)神经网络算法来求解角速度.基于一种十加速度计构型方案,选择10个加速度计输出、采样周期和臂杆距离等12个已知量作为网络输入,以对数法得到的角速度值作为期望输出,针对5 000个样本在不同的隐含层层数、单层神经元个数以及学习步数等情况下进行网络训练,构建了一个含有30个隐含层神经元的3层BP网络模型.采用此模型对角速度进行实时预测,结果表明:网络具有很好的适应能力和实时性,角速度实时预测时间与对数法相当,且其预测精度比对数法提高大约3倍. 相似文献
1