共查询到20条相似文献,搜索用时 62 毫秒
1.
许迅雷 《西安文理学院学报》2011,(2):57-60
在高斯噪声环境下,由于扩展卡尔曼滤波(EKF)在目标跟踪应用中精度低和可能出现的滤波发散,将无迹卡尔曼滤波(UKF)应用于非线性系统的目标跟踪.通过UKF在目标跟踪中的应用和仿真结果的分析比较表明,与EKF相比较,UKF收敛快、对噪声适应能力强,算法实现简单. 相似文献
2.
广义卡尔曼滤波(EKF)在进行数据处理时,仅对测距系统和量测方程作泰勒级数展开且仅保留线性项,因而EKF只适用于弱非线性对象的估计,被处理对象的非线性越强,引起的估计误差就越大,甚至会引起滤波发散。将无迹卡尔曼滤波(UKF)应用于非线性系统的目标处理。通过UKF在雷达测距中的应用和仿真结果分析表明,与EKF相比,UKF收敛快、对噪声适应能力更强且算法实现更简单。自适应无迹卡尔曼滤波(AUKF)可以对系统模型进行实时估计,通过分析知道无迹卡尔曼滤波算法满足实时性跟踪要求,实现了对运动目标的快速跟踪。 相似文献
3.
4.
为了提高飞行姿态的测量精度,工程上一般使用滤波算法对测量数据进行滤波降噪处理,由于建立在线性递推估计框架之上的卡尔曼滤波算法在处理非线性问题时精度不佳,且无迹卡尔曼滤波算法无法保证正交且解算量大,于是容积卡尔曼滤波算法便应运而生了。由于采用了容积采样准则,其解算量仍然较大,为此本文基于乔列斯基分解原理改进了容积卡尔曼滤波的逆矩阵运算方法,使解算精度保持不变的同时能够大幅降低解算时间,为工程应用提供了一种参考。 相似文献
5.
《兰州石化职业技术学院学报》2018,(4)
随着信息化程度的不断提高,对目标跟踪的精度要求也在不断提高,不但需要采集传感器的数据越来越多,而且对物体的位置进行定位、监测的数据要即时更新,当所获得的信息不足时,控制系统采用的算法精度显得尤为重要。如果控制系统的处理器对车辆的采集频率高于传感器的处理频率,就要使算法对车辆位置能够预测;不同算法的预测值相差较大。为了优化跟踪性能,必须最大程度采集传感器的有限数据。卡尔曼滤波器结构中,只能通过开发一些精度较高的实用模型来实现。这模型往往是高阶非线性的;无迹变换很好地简化了这些模型的开发和优化。 相似文献
6.
在对目标进行纯方位跟踪时,伪线性卡尔曼滤波算法是一种有效的跟踪滤波方法,该方法可以很好地对目标运动状态进行估计。通过仿真证明了该方法降低了对模型精度的要求,具有较好的稳定性。 相似文献
7.
对单站雷达三维空间机动目标的跟踪方法进行了研究,选取匀速运动模型分别组合"当前"统计模型和Singer模型的两种交互多模型跟踪滤波算法来处理三维空间机动目标测量数据并进行仿真分析,仿真结果表明,IMM算法的滤波结果优于单模型滤波,验证了算法对机动目标的跟踪有效性。 相似文献
8.
9.
针对均值偏移算法在跟踪目标发生形变和遮挡时丢失问题,提出了一种自适应目标检测、核函数带宽可变、Kalman滤波预测和重心轨迹跟踪的改进均值偏移算法(KPKM)。该算法利用目标检测中得到的外接矩形和重心作为均值偏移算法的初值,用改进的Kalman滤波器预测目标运动趋势,使本算法能沿着梯度方向快速收敛到目标中心。实验和仿真结果表明,该方法实现了在复杂场景下,对运动目标的精确检测和准确跟踪。 相似文献
10.
为了探寻非线性、非高斯系统滤波的最优算法,运用Python搭建Monte Carlo仿真实验模型,观察了扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)、重要性重采样算法(SIR)和辅助粒子滤波(APF)的状态估计曲线,对比了仿真结果的RMSE平均值,对各种滤波算法进行性能评估.实验结果表明,EKF对于强非线性系统会出现滤波发散现象,APF比UKF和SIR有更好的跟踪准确性. 相似文献
11.
针对非线性不等式状态约束滤波问题,提出一种基于内点法的不敏卡尔曼滤波算法。该算法在不敏卡尔曼滤波的基础上结合了优化算法的思想,采用内点优化法求解非线性不等式约束条件下的最优解。在算法实现过程中,引入障碍项,用无约束障碍函数近似化受约束目标函数,采用一个相当小的正数即障碍因子,通过序列极小化方法逐渐减小该障碍因子,经过迭代快速搜索出非线性不等式状态约束问题的近似最优解。对具有约束的航路跟踪系统进行实验仿真,实验结果表明新算法在处理非线性不等式状态约束滤波问题时,能够有效地提高状态估计精度,获得较高的滤波精度,且时间复杂度较低。 相似文献
12.
13.
基于路标的轮式机器人定位是机器人导航系统研究的热点问题,本文阐述了扩展卡尔曼滤波定位算法,该算法将机器人的内部传感器里程计和外部传感器激光传感器所提供的数据融合后对机器人的位姿修正,进行准确定位。对该算法编写的仿真程序实验结果表明,该定位系统具有较高的精度,有效地保证了机器人的正确航向。 相似文献
14.
15.
传统的Camshift运动目标跟踪算法在目标遮挡或背景颜色干扰下,容易陷入局部最大值,造成目标跟踪丢失。针对这一问题,提出了一种结合Kalman滤波及Surf特征提取的改进算法。该算法需在视频序列中手动框选跟踪目标作为目标模板。将传统Camshift算法得到的目标候选区域与目标模板进行直方图对比,得到的巴氏系数若大于设定的阈值则说明目标跟踪丢失。采用Surf算法,在该帧图像中匹配出新的目标候选区域,最终得到候选区域的位置信息更新Kalman滤波。仿真实验表明,改进后的算法在复杂背景下仍然具有良好的跟踪效果。 相似文献
16.
17.
18.
现有大部分融合跟踪算法都使用分类器型跟踪算法,这种算法在目标尺度发生变化时会存在一定误差。虽然已有一些解决方案,但仍不能从根本上解决该问题,而且一般无法估算目标的旋转状态。为此,基于CMT 算法提出一种新的基于点的多传感器融合跟踪算法。在获取目标状态上综合了多传感器信息,并对目标中心使用卡尔曼滤波进行修正,能够跟踪目标并获得目标的尺度及旋转信息。实验结果表明,该算法在常见分辨率下跟踪非旋转目标,重叠率与现有算法相当,在分辨率较高的情况下,在实时性上具有优势。 相似文献
19.
随着人造卫星的日益智能化,精确跟踪卫星的坐标和速度也越来越重要。然而,目前对空间目标的跟踪滤波研究主要集中在航天、天体测量等领域,在雷达数据处理领域则鲜有研究。本文针对雷达数据处理的特点,采用协议地球坐标系下的卫星运动模型分析比较了最小二乘法、扩展卡尔曼滤波法和不敏卡尔曼滤波法的性能。研究结果发现扩展卡尔曼滤波的费效比最好,适合用于空间目标的跟踪滤波。 相似文献