基于两阶段卡尔曼滤波的多传感器信息融合

在目标跟踪中,对目标运动建模时,常会遇到系统状态方程存在偏差问题. 传统的信息融合方法总是假设系统状态方程中的偏差为常量,很少涉及偏差为随机变量的情形,但实际建模中常会出现这类问题. 针对此问题,提出了基于两阶段卡尔曼滤波的多传感器信息融合方法. 这种方法可以有效地消除系统状态方程在建模存在随机偏差时给信息融合所带来的影响,从而提高了融合精度.     

基于动态权值的B-Spline光顺算法

在计算机辅助设计、虚拟现实、数字多媒体系统设计中,B样条曲线是一种进行几何形状设计和构建真实感图形的重要工具。曲线的光顺性对最终产品的外观质感有着直接影响。文章在前人研究的基础上,给出了一种基于能量的及动态权值光顺算法（DWEF）。DWEF在改进传统能量优化方程的基础上加入“运行时加权”的概念。应用DWEF使得系统能够智能地对不同曲线采取不同的光顺参数,以取得更好的光顺效果。     

附有权值条件的卡尔曼滤波定位方法

采用描述机动载体运动的"当前"统计模型,根据GPS接收机实际能够输出位置与速度信息的特点构建了系统的量测方程,建立了标准的GPS动态定位卡尔曼滤波模型,并描述了算法的推导过程.仿真实验分析,带有速度信息的卡尔曼滤波方程在载体低速运行时位置误差会很大,通过改进卡尔曼滤波方程,在方程中附加一个权值,能有效的提高载体在低速运...     

加权分层卡尔曼滤波融合算法

目的 分析传统分层卡尔曼滤融合算法,指出传统卡尔曼滤波融合算法不能很好地提高跟踪精度且算法复杂的缺陷,提出一种加权分层卡尔曼滤波融合算法,方法应用理论分析和蒙特卡洛仿真方法,对传统融合算法和新算法进行比较,并给出了均方根误差的统计值,结果加权滤波融合算法原理简单、数据处理量小、速度快、容错性好,结论 加权分层融合算法原理简单、数据处理量小、速度快、容错性好、结论 加权分层融合算法特别适用于失效传     

基于最优信息融合卡尔曼滤波的预测控制算法

针对噪声环境下的线性时不变系统,给出了基于最优信息融合卡尔曼滤波的预测控制算法.运用线性最小方差意义下的最优信息融合卡尔曼滤波方法获得状态估计,进而得到输出的N步超前预测值,最后通过最小化二次性能指标获得基于信息融合状态估计的控制输入.仿真实例验证了算法的有效性.     

基于区间卡尔曼滤波的多传感器信息融合

目标运行建模过程中,存在系统参数不确定的情形．将基于标准卡尔曼滤波的多传感器信息融合算法由系统参数确定的情形推广至参数不确定的情形,给出了基于区间卡尔曼滤波的多传感器信息融合算法,解决了系统参数不确定情形下系统状态估计的融合问题．给出的状态估计不再是目标的状态点估计,而是目标状态的区间估计．     

遗传算法在动态权值路径寻优中的应用

为了克服传统算法在求解动态权值下最短路径问题时权值设定不合理,所得结果往往不是最优路径这一问题,提出了一种基于遗传算法的复杂路径寻优算法。遗传算法本身的随机性可以很好的避免权值设定这一步骤。为了使路径寻优算法更加可靠,该算法通过优化变异过程使得收敛速度更快,可靠性更高。将其应用在一个实际游戏模型中,实验结果表明其有效性。     

基于自适应衰减卡尔曼滤波的多传感器信息融合

工程实践证明, 标准卡尔曼滤波器的鲁棒性较差. 在解决实际问题时, 如果所建立的目标运动模型不能真实反映实际的运动过程, 就会导致滤波器发散. 针对此问题, 提出了基于自适应衰减卡尔曼滤波的多传感器信息融合方法, 这种方法可以有效地消除系统状态方程在建模存在误差时给信息融合带来的影响.     

基于权值比例和服务时间误差的动态调度算法

针对动态网格计算中的需求调度问题,提出了 一种基于权值比例和服务时间误差的调度算法.首先,构建出一个由多个动态独立执行的任务和多个具有相应计算能力的多处理器系统构成的动态网格模型;然后,对于一个给定的由多个任务构成的任务集来说,按照任务集中每个任务的权值比例对队列中的全部任务进行降序排序,并得到每个任务的服务时间误差;...     

基于神经网络补偿的多传感器航迹融合

针对多传感器环境的条件提出了一种基于神经网络补偿的航迹融合方法.各传感器的测量值用线性卡尔曼滤波器进行处理并将获得的局部航迹传送到融合中心.首先对局部航迹进行融合,然后引入神经网络来减少因共同过程噪声而导致的融合估计误差,其中神经网络采用Dan Si-mon提出的网络结构,并对神经网络权值的优化采用无痕卡尔曼滤波(UKF).仿真结果表明,这种融合方法对跟踪具有过程噪声的目标非常有效,而且过程噪声发生变化时该方法仍是有效的,从而使得它在很多实际应用中具有潜在的价值.     

相关观测噪声的加权观测融合UKF滤波器

对于具有相同观测方程,相关观测噪声的非系统,应用无迹卡尔曼滤波器(UKF),以及加权最小二乘(WLS)法,提出了加权观测融合UKF滤波算法.该算法具有全局最优性,且没有增加观测系统的维数,进而没有增加系统的计算负担.一个带有相关观测噪声的两传感器非线性系统的仿真例子说明了该融合算法的有效性及等价性.     

一种基于改进卡尔曼滤波的姿态解算算法

针对多传感器融合姿态解算精度不高的问题,本文提出一种改进的卡尔曼滤波算法,即高阶线性互补滤波与扩展卡尔曼滤波(Extended Kalman Filter,EKF)相结合的融合算法。该数据的融合是基于加速度计、陀螺仪传感器频率特性和姿态角的微分方程建立的系统模型,将互补滤波的姿态角数据作为该系统模型的观测值,利用EKF算法对加速度计、陀螺仪、磁力计进行数据融合。高阶的互补滤波和EKF的融合算法能够有效的解决陀螺方向的估计偏差,为了证明该算法的可行性,用搭载IMU(InertialSmeasurementSunit)模块的四旋翼飞行器进行了动态和静态的实验,分析对比了最新导航算法、经典卡滤波算法和该融合算法滤波的效果。实验结果表明：本文提出的高阶无源线性互补滤波和EKF相结合的融合算法,无论在静态还是动态的实时性情况下,都能很明显的去除噪声和抑制姿态角的漂移,且提高了姿态角的精度。     

基于核估计的滤波补偿法

为了解决Kalman滤波算法进行动态定位时,模型中存在的系统误差使得动态定位结果产生偏差的问题,采用基于核估计的滤波补偿法,在移动的窗口内,利用核估计拟合模型系统误差,修正相应的观测向量和状态预测向量的协方差矩阵估值,以消除系统误差对滤波的影响,推导了利用核估计拟合系统误差的公式。通过一个模拟算例证明了改算法的有效性,而且在滤波过程中不需要对系统误差做任何假设,对开窗窗口的宽度也不敏感。     

带不同局部动态模型的时变系统信息融合Kalman估值器

对于带不同局部动态模型和多传感器的的线性离散时变随机控制系统,应用Kalman滤波方法,基于Riccati方程,根据按矩阵加权、按对角阵加权和按标量加权三种最优融合规则．提出了系统公共状态的三种最优加权融合Kalman估值器,可统一处理融合滤波、预报和平滑问题。为计算最优加权,提出计算局部估计误差互协方差公式。它们可用于信号融合滤波。用增广状态方法．将待估信号看成子系统公共状态,提出了信号多传感器信息融合滤波的一种设计方法。     

Distributed cubature Kalman filter based on observation bootstrap sampling

Aiming at the adverse effect caused by observation noise on system state estimation precision,a novel distributed cubature Kalman filter(CKF) based on observation bootstrap sampling is proposed.Firstly,combining with the extraction and utilization of the latest observation information and the prior statistical information from observation noise modeling,an observation bootstrap sampling strategy is designed.The objective is to deal with the adverse influence of observation uncertainty by increasing observations information.Secondly,the strategy is dynamically introduced into the cubature Kalman filter,and the distributed fusion framework of filtering realization is constructed.Better filtering precision is obtained by promoting observation reliability without increasing the hardware cost of observation system.Theory analysis and simulation results show the proposed algorithm feasibility and effectiveness.     

基于能量差的加权均值递归滤波算法

对基于激光测量的管形零件内轮廓母线采样数据进行滤波.提出了基于能量差的加权均值递归滤波算法.该滤波方法中权值求取方法的思想是尽量给滤波窗口内能量频谱相对集中的采样数据赋予较大的权值,而给由于干扰引起的畸变数据赋予较小的权值.合适的滤波窗口长度通过仿真对比试验获得.这一思想的合理性通过仿真分析和实验测试得到验证,并表现出良好的效果.     

基于一致理论的多源信息融合研究

为了确保多源信息融合结果的正确性，需根据信源的可靠性利用信源信息．以一致理论为理论基础，在算法中用可信度权值体现信源的可靠性，根据相应一致规则实现了信源信息的合理使用．经实验仿真证明，该融合方案是有效的．     

带未知模型参数的自校正集中式融合信息滤波器

对于带未知模型参数和噪声统计的多传感器系统,通过系统辨识方法,能够获得模型参数和噪声统计的在线估值,然后把它们代入到基于信息矩阵的最优集中式融合滤波器,得到自校正集中式融合Kalman滤波器。应用动态误差系统分析（DESA）方法,证明了自校正集中式融合Kalman滤波器收敛于最优集中式融合Kalman滤波器,因此它有渐近全局最优性。应用于信号处理的仿真例子说明了其有效性。