共查询到10条相似文献,搜索用时 62 毫秒
1.
GPS动态定位数据的处理广泛采用卡尔曼滤波技术,而应用卡尔曼滤波要求运动模型准确可靠,但由于载体真实运动的复杂多变,任何单一模型都难以全面描述,致使单一模型的滤波都容易出现模型误差。针对这一问题,将机动目标跟踪领域广泛应用的交互式多模型算法引入到车载导航中。通过分析车辆的运动特点,选取匀速直线模型和当前统计模型进行交互;同时考虑到车载终端计算能力有限,将状态变量在各方向解耦。仿真显示,在机动时改进的算法和单一模型的自适应算法基本相当,但在非机动时改进的算法明显占优。 相似文献
2.
3.
附有道路信息约束的自适应卡尔曼滤波在车载导航中的应用 总被引:1,自引:0,他引:1
基于车辆"当前"统计模型,利用白适应卡尔曼滤波对车载GPS动态数据进行了处理.将制约车辆运动的道路信息引入模型中,作为约束条件引入卡尔曼滤波方程.其思路是在原有滤波的基础上,利用道路信息约束条件对滤波方程中的一步预测值进行修正,以提高滤波结果的精度.实验结果表明,该算法具有实用意义. 相似文献
4.
5.
6.
7.
8.
针对传统超宽带(UWB)室内定位中非线性跟踪问题,基于当前统计(CS)模型和容积卡尔曼滤波(CKF),本文提出了一种新的定位算法。即采用奇异值分解(SVD)代替标准CKF算法中的Cholesky分解,提高了算法的稳定性,构造了奇异值分解容积卡尔曼滤波器(SCKF)。首先在CS模型的基础上改进了先验参数的函数形式,得到改进的CS模型(MCS),实现模型参数的自适应调整;然后将MCS模型引入SCKF滤波器,实现滤波算法的自适应调整;最后利用MCS-SCKF算法对UWB定位系统模型进行解算,从而得到移动目标位置。仿真和试验结果表明,该算法优于CS模型-卡尔曼滤波算法(CS-KF)和CS模型-SCKF算法(CS-SCKF),提高了UWB室内定位的定位精度。 相似文献
9.
全球定位系统/航位推算组合导航定位中,由于目标运动的不确定性,GPS接收机与DR器件接收的数据存在噪声,使预置目标运动模型通常很难得到较高跟踪精度,针对应用常规卡尔曼滤波进行组合导航解算由于噪声统计特性未知而引起滤波不稳定的问题,本文提出了一种基于新息序列的量测计算进行自适应估计的卡尔曼滤波算法。该算法通过对新息方差强度进行极大似然估计,将新息计算引入卡尔曼滤波器的增益计算,达到控制发散的目的。最后对改进的算法与一般卡尔曼滤波算法做了对比仿真试验分析,结果表明了改进算法的有效性。 相似文献
10.
针对卫星导航定位中单模型在急速转弯条件下出现较大偏差和交互式多模型系统运算量大的问题,该文提出了一种快速的交互式多模型算法。该算法先对CS模型进行改进,然后利用CV模型和改进的CS模型构成多模型系统,结合修正的滤波发散判据与次优的极大后验估计,根据载体实际的运动状态自行调整扩展卡尔曼滤波采用的运动模型,从而弥补了单模型描述复杂运动的不足。实验结果表明:与单模型相比,该方法有效解决了急速转弯误差大的问题;与标准交互式多模型相比,该方法对位置的估计精度提高了39.4%,而运算时间却缩短了47.4%。 相似文献