共查询到17条相似文献,搜索用时 46 毫秒
1.
基于平方根UKF的多传感器融合跟踪 总被引:2,自引:0,他引:2
为了提高融合算法的精度,将UKF(Unscented Kalman Filter)算法与多传感器顺序滤波融合跟踪算法相结合,提出了基于UKF的多传感器序贯融合算法.UKF算法利用非线性方程自身的传播,估计系统状态,避免了对非线性方程线性化的过程.顺序滤波融合算法用同一时刻的量测依次更新状态,计算复杂性低.仿真结果表明,UKF顺序滤波融合跟踪算法比传统的扩展卡尔曼滤波(EKF)算法有更高的跟踪性能,是一种有效的非线性融合算法. 相似文献
2.
3.
4.
5.
决策层时空信息融合的神经网络模型研究 总被引:2,自引:0,他引:2
融合目标识别可以获得比任意单传感器更加准确的目标识别结果。决策层融合由于其在信息处理方面具有很高的灵活性,成为信息融合研究的一个热点。针对传统融合算法环境适应性较差的缺点,提出了一种决策层时空信息序贯融合的神经网络模型,讨论了利用各传感器所处环境和专家知识等先验信息确定网络初始权值的方法,研究了网络权值的在线学习算法。仿真实验证明该网络模型的有效性。 相似文献
6.
基于模糊神经网络的多传感器自适应融合 总被引:5,自引:0,他引:5
针对非线性、大时滞的复杂工业控制系统中单传感器信息检测的单一性和不全面性,提出了一种新的基于模糊神经网络的多传感器自适应融合的方法.根据采用的多传感器是检测同一信息还是多源信息,提出了相应的两种结构模型,这种采用多传感器自适应融合的控制方法具有较强的容错性,较高的检测与控制的精度,因而增强了系统的灵活性和智能性.仿真结果表明了所提模型和方法的有效性. 相似文献
7.
针对传统矢量定姿方法精度较低的问题,研究了主流的星敏感器多矢量天文定姿算法,从理论上对奇异值分解(singular value decomposition, SVD)算法、双矢量定姿加研究背景算法、最小二乘(least square, LS)算法、四元数估计(quaternion estimator, QUEST)算法和线性估计算法进行了详细推导。其中,线性估计算法先将各矢量对的坐标变换等式分散表示,推导出对应的四元数形式,再联立所有矢量的坐标变换等式,基于长方矩阵的Moore-Penrose伪逆运算对二次四元数矩阵方程线性化,再在此基础上考虑随机噪声的影响对一次四元数矩阵方程进行鲁棒性操作,具有良好的创新性与实用性。以最小化Wahba损失函数为目标,对定姿算法的性能进行对比分析。仿真和实验结果表明,线性估计算法较之于其余4种算法,具有更快的解算速度、更高的定姿精度。 相似文献
8.
基于UKF的导弹SINS/CNS姿态估计方法 总被引:1,自引:0,他引:1
针对中远程弹道导弹的特点,在分析研究捷联惯性导航系统/天文导航系统(strapdown inertial navigation system/celestial navigation system, SINS/CNS)组合导航测量修正方案的基础上,建立了导弹四元数运动学方程、陀螺测量模型,星敏感器测量模型等系统方程,将无轨迹卡尔曼滤波(unscented Kalman filter, UKF)算法应用于主动段关机点环境,通过对陀螺常值漂移、一阶漂移的在线估计,达到高精度导弹姿态的实时输出。与EKF、QUEST、MLS和捷联惯性迭代递推算法比较,仿真结果表明了UKF算法具有更高的精度,收敛快,适于在无控飞行阶段的工程应用。 相似文献
9.
针对非线性滤波组合导航中四元数无迹估计器(unscented quaternion estimator,USQUE)规范性约束导致的算法计算量大、实时性差等问题,提出一种基于双欧拉角姿态表示的无迹卡尔曼滤波(dual-Euler un-scented Kalman filter,DEUKF)算法.通过正、反欧拉角相互切... 相似文献
10.
基于非线性预测滤波的卫星姿态确定 总被引:1,自引:0,他引:1
为了提高卫星姿态确定系统的精度和可靠性,采用由姿态动力学与运动学方程构成的非线性卫星姿态运动模型,结合陀螺和矢量观测信息来确定卫星姿态。针对转动惯量变化等引起的模型不准确问题,研究基于预测滤波实现姿态估计的关键技术。仿真结果表明,在恰当选取加权阵的前提下,该方法可实时估计模型误差,当用低通滤波去除高频噪声的模型误差进行补偿后,大大削弱了模型不准确对姿态估计精度的影响,其估计效果明显优于传统的扩展卡尔曼滤波,由此验证了预测滤波在卫星姿态确定中的有效性和精确性。 相似文献
11.
12.
13.
非线性系统中多传感器滤波跟踪型数据融合算法的研究 总被引:3,自引:0,他引:3
在非线性系统中,常用的跟踪滤波算法是基于扩展的卡尔曼滤波算法的融合算法,但是这种融合算法的跟踪精度并不是很高。本文根据对滤波器跟踪型数据融合的研究,提出了基于转换测量值卡尔曼滤波算法的非线性系统中的数据融合方法。研究表明,在利用激光干涉仪进行目标跟踪时,这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法,但是,从仿真结果可以看出,两种融合算法的差别不大,结果基本相同,因此,在非线性系统中,基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法。 相似文献
14.
15.
针对基于Unscented卡尔曼滤波(UKF)的神经网络训练学习方法存在的计算量大,实时性差的问题,提出了一种基于Kalman/UKF组合滤波原理的神经网络学习方法,该方法综合了Kalman滤波对线性系统和UKF对非线性系统的最优估计的优势,在保证神经网络权值估计精度的同时,有效降低了神经网络权值学习的计算量,提高了神经网络训练的实时性。最后将该利用方法训练的神经网络应用于惯性导航系统的非线性初始对准过程中,并进行了仿真研究。仿真结果表明利用提出的算法训练的神经网络与基于UKF训练的神经网络具有相同的对准精度和实时性,而提出的算法的有效降低了神经网络训练的计算量,提高了训练的运行效率,是解决惯性导航系统初始对准的一种有效和实用的方法。 相似文献
16.
为了提高再入段目标跟踪的精度,将平方根不敏卡尔曼滤波(unscented Kalman filter, UKF)算法与多传感器分布式融合算法相结合,提出了基于平方根UKF的多传感器融合跟踪算法。在各个独立的传感器中利用平方根UKF滤波器进行状态估计,然后通过分布式融合方法融合各传感器的状态估计值得到全局的状态估计值和误差协方差,将全局误差协方差进行加权对各传感器进行分配更新。通过仿真验证,基于平方根UKF的多传感器融合跟踪算法具有较高的跟踪性能,是一种有效的非线性融合跟踪算法。 相似文献
17.
基于雷达/红外神经网络融合目标跟踪算法 总被引:4,自引:0,他引:4
提出—种基于雷达/红外传感器神经网络融合的机动目标跟踪算法,利用神经网络的非线性逼近能力,将神经网络与卡尔曼滤波器相结合构成一个非线性估计器,该算法可以对来自红外成像传感器的补充信息加以充分利用,进行机动检测,把计算负荷转移到神经网络,在改善跟踪性能的同时又保持跟踪滤波的计算结构尽可能简单。仿真结果表明所提出的跟踪滤波算法在跟踪应用上优于—般的非线性估计算法,它最明显的优点就是减少了数字计算上的复杂性,提高了跟踪算法的快速性。 相似文献