导读:本文包含了无迹卡尔曼滤波算法论文开题报告文献综述及选题提纲参考文献，主要关键词:无迹卡尔曼滤波,粗大误差,拉依达准则,目标跟踪
无迹卡尔曼滤波算法论文文献综述
张振慧,张正江,胡桂廷,朱志亮[1]（2019）在《基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法》一文中研究指出无迹卡尔曼滤波是卡尔曼滤波技术的重要组成部分,它有效地克服了扩展卡尔曼滤波的估计精度低、稳定性差等缺陷;然而无迹卡尔曼滤波未考虑粗大误差(如离群值、静差和漂移)的影响;目标跟踪经常受到不同种类粗大误差的影响,研究无迹卡尔曼滤波器对粗大误差的检测和补偿,对目标跟踪准确性的提高有重大意义;文章针对观测值中各种粗大误差影响目标跟踪精度的问题,采用拉依达准则对观测值进行检测;为了对误差进行补偿,文章提出了一种观测数据残差线性拟合的方法,使用拟合产生的预测残差补偿粗大误差,使补偿后的目标运动轨迹能够减小粗大误差的干扰;经过目标跟踪仿真实验和对比,文章提出的改进型无迹卡尔曼滤波算法能有效地减小粗大误差观测值对状态预测过程的影响,能实现对目标的准确跟踪,提高了滤波的稳定性和准确性。(本文来源于《计算机测量与控制》期刊2019年11期）
陈波[2]（2019）在《一种改进的迭代无迹卡尔曼滤波算法》一文中研究指出针对非线性系统目标跟踪中状态估计的线性问题,在滤波过程的不同部分,利用统计和分析原理对状态估计进行线性化,提出一种改进的迭代无迹卡尔曼滤波(Improved Iterated Unscented Kalman Filter, IIUKF)。在系统方程和测量方程都具有较严重的非线性条件下,与无迹卡尔曼滤波器(UKF)和迭代扩展卡尔曼滤波(IEKF)进行仿真验证比较。结果显示该方法的跟踪性能优于UKF和IEKF,提高了系统的跟踪效果。(本文来源于《计算机应用与软件》期刊2019年10期）
王守华,陆明炽,孙希延,纪元法,胡丁梅[3]（2019）在《基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法》一文中研究指出针对微机电惯性导航系统(MEMS-INS)定位解算存在积累误差及低功耗蓝牙技术iBeacon指纹定位存在跳变误差等问题,该文提出一种基于无迹卡尔曼滤波器(UKF)的iBeacon/MEMS-INS数据融合定位算法。该算法对iBeacon锚点与定位目标的距离进行解算,利用加速度计和陀螺仪的数据实现姿态阵和位置解算。将蓝牙锚点位置向量、载体速度误差信息等组成状态量,将惯性导航定位信息和蓝牙定位距离信息等组成观测量,设计无迹卡尔曼滤波器,实现iBeacon/MEMS-INS数据融合定位。实验测试结果表明,该算法有效解决MEMS-INS存在较大积累误差及i Beacon指纹定位存在跳变误差的问题,可以实现1.5 m内的定位精度。(本文来源于《电子与信息学报》期刊2019年09期）
任晓斌,聂桂根,李连艳,陈祖岸,雷浩川[4]（2019）在《修正扩维无迹卡尔曼滤波算法研究》一文中研究指出在脉冲星导航中,角位置误差是主要的误差源之一。因此本文基于X射线脉冲星导航,提出了一种修正扩维无迹卡尔曼滤波(MASUKF)算法进行角位置误差的改进。MASUKF算法在原扩维无迹卡尔曼滤波(ASUKF)算法的基础上加入了Roamer延迟的高阶项,并将其作为误差项,将修改后的误差项代入状态方程与量测方程中,即可进行仿真分析。在仿真中,首先将ASUKF算法与UKF算法进行对比仿真模拟试验,结果显示ASUKF算法能显着地提高约45 m的定位精度,在X、Y、Z 3方向的速度误差估计精度约提高了20%;然后比较ASUKF与MASUKF算法,结果显示MASUKF算法较ASUKF算法的速度误差与位置误差的估计精度均提高2%以上。(本文来源于《测绘通报》期刊2019年05期）
周少波,魏征,李灯熬[5]（2019）在《基于无迹卡尔曼滤波的全球导航卫星系统精密定位算法研究》一文中研究指出针对城市街道环境中卫星信号容易被遮挡、全球导航卫星系统(GNSS)直接定位精度较差的问题,提出了基于无迹卡尔曼滤波(UKF)的精密定位算法。首先,针对卫星信号在传输过程中由于非视距传播严重影响伪距与载波相位观测值测量的问题,提出利用支持向量机分类算法对信号进行分类,从而获得较为理想的卫星信号。其次,通过数学建模建立周边行人和目标行人之间的联系,利用UKF将周边行人的定位数据作为观测值去修正目标行人的定位误差,从而提高目标行人的定位精度。实验仿真结果表明,该算法能够有效提高城市环境中行人的定位精度。(本文来源于《太原理工大学学报》期刊2019年04期）
陈涛,郭壮志[6]（2019）在《基于双无迹卡尔曼滤波算法的永磁同步电机转子磁链辨识》一文中研究指出转子磁链的准确辨识是实现永磁同步电机(permanent magnet synchronous motor,PMSM)转子磁场监控,确保其驱动系统可靠运行并实现高性能控制的有效方法。为解决测量噪声、电机参数变化及辨识模型欠秩对转子磁链辨识精度影响的问题,提出了基于双无迹卡尔曼滤波(unscented Kalman filter,UKF)算法的PMSM转子磁链辨识方法,可在确保满秩辨识的前提下,减小测量噪声与电机参数变化对转子磁链辨识精度的影响,实现PMSM转子磁链的准确辨识,并在参数敏感性分析的基础上,降低了算法计算量,合理兼顾了辨识精度与辨识速度。对所提方法进行了仿真研究和实验验证,研究结果证实了所提方法的有效性。(本文来源于《科学技术与工程》期刊2019年06期）
周卫琪,齐翔,陈龙,徐兴[7]（2019）在《基于无迹卡尔曼滤波与遗传算法相结合的车辆状态估计》一文中研究指出针对汽车状态估计中过程噪声和量测噪声统计特性不确定的状况,通过UKF算法与遗传算法相结合,提出一种新的自适应滤波算法,以降低噪声对估计结果的干扰。为达到较高的精度,建立了7自由度非线性车辆动力学模型,结合"魔术公式"轮胎模型对汽车行驶过程中的纵、侧向速度、轮胎力和质心侧偏角分别进行了估计。在利用UKF对汽车状态参数进行估计的同时,引入遗传算法,根据适应度函数对过程噪声和量测噪声进行寻优,实现了噪声的自适应作用,估计精度大幅提高。仿真和道路模拟试验的结果表明,UKF结合遗传算法的方法,能提高估计精度且具有很好的抗干扰性。(本文来源于《汽车工程》期刊2019年02期）
马艳,刘小东[8]（2019）在《状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用》一文中研究指出为了满足水下对抗对机动目标实时跟踪和目标航速、航向准确估计的要求,针对观测量为距离和方位的机动目标跟踪,对传统无迹卡尔曼滤波(UKF)跟踪算法进行了改善。提出根据UKF算法预测值和观测值残差的概率分布自适应调整目标状态噪声方法,使得UKF跟踪算法能够根据目标运动状态及时调整状态方程,在目标机动时减小对预测值的依赖,在目标非机动时增大对预测值的依赖。这种在线实时估计系统噪声状态的跟踪方法更加适用于机动目标的跟踪。数值仿真结果表明:该算法不仅在目标机动时具有良好的跟踪效果,而且在目标非机动时具有准确的估计性能。通过声纳信息综合处理系统验证了状态自适应UKF跟踪算法的性能。(本文来源于《兵工学报》期刊2019年02期）
谈发明,王琪[9]（2019）在《基于改进无迹卡尔曼滤波算法的动力电池SOC估计模型》一文中研究指出针对车载动力电池SOC估计精度欠佳的问题,提出一种改进型无迹卡尔曼滤波(UKF)算法。引入基于残差特性的异常状态检测机制,异常状态下采用改进的自适应衰减因子修正UKF合模型为基础,应用递推最小二乘法辨识电池参数,利用改进型UKF算法对电池SOC进行估计,并从多个角度进行了仿真验证分析。结果表明,改进型UKF算法具有很好的鲁棒性和跟踪速度,各类误差精度均控制在5%以内。(本文来源于《汽车技术》期刊2019年03期）
刘艳,程诚,裴少婧[10]（2019）在《鲁棒自适应无迹卡尔曼滤波的SLAM算法》一文中研究指出针对SLAM在复杂环境下对噪声干扰鲁棒性差以及运动轨迹预测误差问题,在UKF中引入自适应估计理论与鲁棒H_∞控制准则,提出一种鲁棒自适应UKF-SLAM算法。该算法利用自适应估计理论,构建抗差因子和自适应因子,自适应估计测量和状态噪声等价协方差阵,实现粗差分离和噪声方差自适应补偿;利用鲁棒H_∞控制准则对系统状态均值和协方差进行迭代更新,提高噪声干扰鲁棒性、降低预测误差。仿真结果表明:该算法能保证移动机器人在不同噪声环境下具有良好的鲁棒性与定位精度。(本文来源于《电光与控制》期刊2019年08期）
无迹卡尔曼滤波算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对非线性系统目标跟踪中状态估计的线性问题,在滤波过程的不同部分,利用统计和分析原理对状态估计进行线性化,提出一种改进的迭代无迹卡尔曼滤波(Improved Iterated Unscented Kalman Filter, IIUKF)。在系统方程和测量方程都具有较严重的非线性条件下,与无迹卡尔曼滤波器(UKF)和迭代扩展卡尔曼滤波(IEKF)进行仿真验证比较。结果显示该方法的跟踪性能优于UKF和IEKF,提高了系统的跟踪效果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
无迹卡尔曼滤波算法论文参考文献
[1].张振慧,张正江,胡桂廷,朱志亮.基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法[J].计算机测量与控制.2019
[2].陈波.一种改进的迭代无迹卡尔曼滤波算法[J].计算机应用与软件.2019
[3].王守华,陆明炽,孙希延,纪元法,胡丁梅.基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法[J].电子与信息学报.2019
[4].任晓斌,聂桂根,李连艳,陈祖岸,雷浩川.修正扩维无迹卡尔曼滤波算法研究[J].测绘通报.2019
[5].周少波,魏征,李灯熬.基于无迹卡尔曼滤波的全球导航卫星系统精密定位算法研究[J].太原理工大学学报.2019
[6].陈涛,郭壮志.基于双无迹卡尔曼滤波算法的永磁同步电机转子磁链辨识[J].科学技术与工程.2019
[7].周卫琪,齐翔,陈龙,徐兴.基于无迹卡尔曼滤波与遗传算法相结合的车辆状态估计[J].汽车工程.2019
[8].马艳,刘小东.状态自适应无迹卡尔曼滤波算法及其在水下机动目标跟踪中的应用[J].兵工学报.2019
[9].谈发明,王琪.基于改进无迹卡尔曼滤波算法的动力电池SOC估计模型[J].汽车技术.2019
[10].刘艳,程诚,裴少婧.鲁棒自适应无迹卡尔曼滤波的SLAM算法[J].电光与控制.2019