基于自适应扩展卡尔曼滤波器的UWB-PDOA算法

提出了一种使用超宽带(Ultra Wide Band, UWB)信号且基于扩展卡尔曼滤波的接收信号相位差定位(Phase Difference of Arrival, PDOA)改进方法。在滤波器中引入了相位差变化率以及距离变化率,用来反映标签在运动过程中的速度大小以及方向的变化情况,通过它们信息熵的大小,即所含信息量的大小计算出权重比,根据标签的运动状态实时自适应改变卡尔曼滤波器的增益系数。实验表明,使用该方法可将误差控制在15 cm以内,较传统方法误差减少了11.2%。     

基于智能算法优化卡尔曼滤波器的电机转速估计

针对感应电机扩展卡尔曼滤波器转速估计中难以取得卡尔曼滤波器系统噪声矩阵和测量噪声矩阵最优值的问题,提出了一种基于改进粒子群算法优化的扩展卡尔曼滤波器转速估计方法。算法通过融合遗传算法和粒子群算法的优点,采用可调整的算法模型对粒子群算法进行改进,将改进的粒子群算法对扩展卡尔曼滤波器中的系统噪声矩阵和测量噪声矩阵进行优化处理,将优化后的卡尔曼滤波器应用于感应电机转速估计,仿真实验表明,与试探法、标准粒子群算法及遗传算法比较,改进粒子群算法优化的扩展卡尔曼滤波器能够有效提高转速估计的精度,从而提高无速度传感器矢量控制系统的控制性能。     

基于扩展Kalman滤波器电机转子磁链观测器的设计

交流感应电机是多变量、非线性、强耦合的高阶系统，所有这些控制方案的实现，几乎都需要转子磁链信息。基于此提出了一种基于扩展Kalman滤波器理论的磁链观测器的设计方法，并对所设计的观测器进行了计算机仿真，得到了良好的观测效果。     

基于卡尔曼滤波器的机动目标跟踪仿真

将卡尔曼(Kalman)滤波器的变维滤波算法应用于雷达数据处理中,对机动目标进行跟踪,得出机动目标的滤波数据曲线,并对目标进行了拦截仿真。仿真结果表明该方法能估计出目标的运动特征并对运动目标拦截成功。     

基于高斯随机向量统计特性的卡尔曼滤波器推导方法

为帮助需要深入了解卡尔曼滤波器的研究人员或使用卡尔曼滤波器的工程人员深入学习这一非常有用的工具,利用高斯随机向量及其统计学特性,尤其是概率密度函数对卡尔曼滤波递归方程进行推导。在推导过程中,给出了卡尔曼滤波器推导所需的相关理论依据及数学工具。该推导方法简单、直观,更便于人们理解卡尔曼滤波器工作机理,并根据实际应用过程进一步开展更深层次的研究。     

强耦合时滞系统的改进型卡尔曼滤波器设计

为了提高强耦合时滞系统的跟踪性能,设计了改进型卡尔曼滤波器.首先,描述了一类强耦合时滞系统的数学模型;其次,用指数衰减记忆的改进型卡尔曼滤波器对一类强耦合时滞系统的状态进行了估计.仿真结果表明,改进型卡尔曼滤波器的跟踪性能优于常规的卡尔曼滤波器.     

基于OPNET的网络仿真设计

网络仿真是一种利用数学建模和统计分析的方法模拟网络行为,从而获取特定的网络特性参数的技术。探讨了OPNET的关键仿真技术,并介绍使用OPNET进行网络仿真的工作流程,以及对某高校校园网进行了仿真设计,对仿真结果进行了分析。     

基于降阶推广卡尔曼滤波器的异步电机无速度传感器矢量控制

提出一种估计异步电机转子速度和转子磁链的新型降阶推广卡尔曼滤波器算法 ,建立了基于此算法的异步电机无速度传感器矢量控制系统 .以转子磁链的两个分量为状态变量 ,被估计的参数转子速度作为扩充状态变量 ,构成三阶推广卡尔曼滤波器算法 ,算法阶数的降低明显地减少了运算量 ,适合实时实现 .仿真结果显示转子速度和转子磁链的估计精度高 ,系统的速度控制性能令人满意 ,证明此算法有效可行 .     

用网络仿真软件进行网络实验的教学探究

针对实践教学投入大且难以实现等问题,充分发挥计算机网络教学的特点,提出利用网络仿真软件进行网络实验,让学生用OPNET完成6个实验项目,更好地把理论教学与实践相结合,实现"教、学、做"一体化,提高计算机网络课程的教学效果.     

基于OPNET的MVB总线仿真研究

列车网络控制技术是高速列车发展的一项关键技术.为了评估多功能车辆总线(Multiple Vehicle Bus,MVB)车辆级网络通信系统的性能,优化网络设计,采用Opnet Modeler搭建车辆级通信网络模型,包括车辆的网络拓扑结构模型、链路模型、节点模型和进程模型.利用所搭建的模型,对车辆级通信网络的时延性、吞吐...     

基于二阶RC锂电池模型的自适应卡尔曼SOC估算

为了更加精确地估算锂电池荷电状态,建立能够反映电池动态工作特性的二阶RC等效模型。在模型参数辨识的基础上,先用数学分析、电路模型构建相关状态方程与观测方程,再结合扩展卡尔曼滤波算法,针对状态噪声与观测噪声的不确定干扰,提出一种自适应调整方案。通过锂电池放电实验,结合MATLAB仿真分析,验证了自适应调整后的卡尔曼滤波算法可更精确地预估锂电池荷电状态,与扩展卡尔曼滤波算法相比,该算法降低了约2.31%的误差。     

基于状态空间神经网络和扩展卡尔曼滤波的主动交通感应控制

为改善方案选择式交通感应控制输出的交通信号配时方案滞后于实时交通状态的缺点,提出用状态空间神经网络和扩展卡尔曼滤波模型预测未来交通状态的优化配时方案.采用能反映道路网络几何特征的状态空间神经网络拓扑结构,结合当前时段和前一时段的路段交通状态,预测下一时段交通状况并选择与其相匹配的信号配时方案;应用扩展卡尔曼滤波训练状态空间神经网络,提高其训练效率及精度.选用南京市广州路的实测交通数据和由多目标遗传算法得出的最优信号控制方案验证模型的有效性.研究结果表明,与BP神经网络和状态空间神经网络相比,所提出的模型能够根据道路状况选择合适的交通控制方案.     

基于卡尔曼滤波的数据融合在无线传感器网络中的研究

为了减少节点传输数据量和网络总能量的消耗,本文针对特定应用模型,提出了基于卡尔曼滤波的数据融合算法,并用MATLAB工具进行仿真实验,证明该融合方法提高数据精确度和可信度.     

基于Kalman滤波器的红外标志点快速识别与跟踪

在军事上,利用移动机器人跟踪前方的引导员,在野外复杂环境中完成后勤运输与救援任务有重要的意义．针对野外复杂环境这个应用背景,提出了一个基于红外标志点的视觉跟踪系统,该系统有效的解决了传统的视觉跟踪方法受周围环境影响而不能够准确的识别跟踪对象的缺陷;针对传统的标志点识别采用全局搜索的方法计算量大、实时性差的缺陷,提出了一种基于Kalman滤波器预测的红外标志点的识别方法,该方法较传统的标志点识别方法识别速度提高了93％．     

无线网络控制系统中多传感器估计性能优化研究

在无线网络控制系统中,多传感器之间通过信道传输数据时可能会产生时延以及丢包等现象,这种传输误差以指数级增长,造成在某个时刻之后中心处传感器估计值与真实值相差过大。为降低估计误差,通过分析信道参数特征计算出信道临界丢包率,并且给出在信道质量下降时进行切换的判断条件,再利用卡尔曼滤波计算中心处传感器的估计值,在传输出现丢包时进行信道切换。仿真结果表明,通过给出的信道切换方法和切换条件,在同等传输条件下,双信道传输情况下某时刻中心处传感器的估计误差比单信道传输平均下降了23.8%。     

基于卡尔曼滤波的运动车辆序列图像参数估计

运动目标的参数估计是近代计算机视觉领域重要的研究课题．以运动车辆的序列图像为例来分析．考虑到跟踪运动车辆对实时性要求较高的特性,没有采用经典的最小二乘滤波和维纳滤波等,而采用了卡尔曼滤波方法,由于卡尔曼滤波在时域内进行,因此不需要保存更多的数据,使得跟踪结果实时输出。     

基于改进卡尔曼滤波的RoboCup3D定位研究

RoboCup3D竞赛中机器人的定位问题一直是研究热点。文章研究了RoboCup3D球队中球员和足球精确定位的问题。通过分析仿真器的视觉误差模型。把卡尔曼滤波及其改进算法应用到HSU3D的Agent中,仿真结果表明经过滤波器滤波后的定位效果较好。