导读:本文包含了卡尔曼滤波技术论文开题报告文献综述及选题提纲参考文献，主要关键词:弓状束,扩散张量成像,双张量无损卡尔曼滤波,纤维束示踪成像
卡尔曼滤波技术论文文献综述
阎静,杜伟,程敬亮,耿杰峰,郭翠萍[1]（2019）在《正常人群弓状束双张量无损卡尔曼滤波与单张量线性纤维束示踪技术成像效果比较》一文中研究指出目的:比较双张量无损卡尔曼滤波纤维束示踪技术(UKFT)与传统单张量线性纤维束示踪技术(ST)重建正常人群弓状束(AF)的成像效果。方法:选取20例正常受试者行DTI成像,分别应用单张量ST和双张量UKFT技术重建左侧AF,包括直接通路"颞-额"段(深支),间接通路"额-顶"段(前支)和"颞-顶"段(后支),采用解剖形态比对和纤维束定量的方法研究两种技术AF显像的差异。结果:应用单张量ST技术重建左侧AF时,12例深支、2例前支和1例后支显像不完整或失败;而应用双张量UKFT技术重建时,叁个分支在所有受试者中均成功完整显像,且终端分支纤维显示更完整,分布面积更广,纤维体积更大,条数更多(P<0.001)。结论:与传统单张量ST相比,双张量UKFT技术在正常人群中可以重建出更加完整的AF。(本文来源于《郑州大学学报(医学版)》期刊2019年06期）
雷震[2]（2019）在《全卷积神经网络与卡尔曼滤波融合车道线跟踪控制技术》一文中研究指出在智能控制与工业和科技深度融合发展的时代下,车辆的无人化控制系统已经成为现代车辆发展与生产中不可或缺的技术,不断提升社会生产效率和提高人们的出行体验。车道保持控制技术作为无人车控制最为基础与核心的模块之一,具有重要的研究价值与意义。本文采用深度学习方法进行车道识别检测,通过最小二乘法拟合检测到的车道曲线,结合卡尔曼滤波完成车道线的跟踪与定位,得到车辆在车道上的行驶轨迹,从而完成车道保持控制任务。主要研究内容有:1.采用全卷积神经网络算法来识别检测车道,首先研究了关于典型计算机视觉中识别车道线的边缘检测算法,并设计一种基于边缘检测法标定车道数据集的方法。然后完成数据集制作并训练全卷积神经网络模型,最后通过训练好的全卷积神经网络模型实现对车道的检测与识别。2.针对车道检测误检漏检问题,研究车道线跟踪定位,首先通过全卷积神经网络完成车道检测,得到车道的检测数据。然后通过逆透视变换得到对应的鸟瞰图,提取鸟瞰图上的左右车道像素点坐标,通过最小二乘法拟合车道线曲线方程,求解曲线方程系数。通过卡尔曼滤波器对每次拟合的曲线方程系数进行预测得到最优曲线方程,完成车道线跟踪,并根据左右两车道线方程求解出车道中心线曲线方程以及其曲线斜率,从而得到车辆行驶轨迹。3.为了验证车道保持控制的可行性,采用预测控制模型,将卡尔曼滤波器跟踪得到的车道中心线作为车道保持的控制行驶轨迹,求出行驶所需的偏航角并给定期望速度。构建mpc控制器仿真模型,验证并分析控制模型的可靠性。搭建实车测试平台,完成模型控制测试任务,并进行实车测试与分析。(本文来源于《重庆邮电大学》期刊2019-05-23）
刘瑞豪,何涛[3]（2019）在《基于卡尔曼滤波的组合定位技术在现代有轨电车的应用研究》一文中研究指出针对现代有轨电车定位系统实时性、高精确度等要求,结合有轨电车工程设计的需求,设计一种新的有轨电车定位系统。系统采用组合定位方式,以GPS定位为主、DR/RFID定位为辅,采用分段式组合定位技术,在满足有轨电车工程中造价低的特点的同时确保列车运行安全。利用坐标转换对数据进行融合,再通过卡尔曼滤波对定位数据进行优化,从而有效地提高有轨电车的定位精度。实验测试结果表明,该方法能够有效地减少有轨电车的定位误差,提高定位精度和系统稳定性,满足行车要求。(本文来源于《都市快轨交通》期刊2019年02期）
张明宇,王艳[4]（2018）在《基于卡尔曼滤波的多普勒速度平滑技术研究》一文中研究指出使用多普勒测速仪对速度进行测量时,系统的测速精度在测量时延数据时会受到多种因素的影响而产生较大的误差,测速精度非常不稳定。为了解决这一问题,文章采用卡尔曼滤波的多普勒测速瞬时速度平滑方法,提高了系统的测速精度,有效地改善了工作中系统的测量稳定性。通过外场数据进行仿真验证,证明了该方法在实际应用中的有效性。(本文来源于《声学与电子工程》期刊2018年04期）
沈国华,吴雨翠,童长青,王艳,陈臻尧[5]（2018）在《基于LC801E平台卡尔曼滤波算法与控温算法结合的技术实现》一文中研究指出国产处理器LC801E是一款基于8051CPu核的SoC产品,是高度集成的混合信号片上系统型MCU,具备满足各种航天应用的功能及性能。本文以LC801E为平台,为高精度控温仪设备设计了一种卡尔曼滤波算法,使得高精度控温仪设备突破了现有测温精度,达到理想的效果。(本文来源于《第十五届中国航天电子技术研究院学术交流会优秀论文集》期刊2018-12-13）
侯冰洁[6]（2018）在《基于卡尔曼滤波的高阶调制光信号载波恢复技术研究》一文中研究指出本论文主要提出一种基于并行运算的线性卡尔曼滤波(LKF)算法的载波恢复技术来对多种高阶调制格式进行相应的频偏和载波相位的估计与补偿,涉及到的高阶调制格式有16QAM、64QAM以及圆形16QAM;针对每种高阶调制格式对算法做出适当的修改,以达到最佳的载波恢复效果;并通过仿真手段来对算法的性能做出评估。根据16QAM调制信号提出一种基于扩展卡尔曼滤波(EKF)和并行运算的线性卡尔曼滤波级联的载波恢复方案。EKF对信号的频偏做出初始估计,利用少量信号数据就可以完成;然后利用LKF同时估算残余频偏和相位噪声,并且以数据块的形式来处理信息的,大大减少算法的运算量。针对所提算法,首先分析其最佳Q参数选择,以及讨论不同数据块长度对算法的影响;对所提出的载波恢复方案进行性能测试,其中频偏估计可以达到波特率的12.5%;给出了此方案对频偏漂移的追踪能力的仿真测试,最大追踪到的频偏漂移速度达到320 MHz/us。对于64QAM高阶调制信号,本文采用精度更好的快速傅里叶变换(FFT)算法作为频偏初估的算法。保留已有的并行的块状线性卡尔曼滤波。并进行了算法参数优化的讨论分析,以得到最佳优化参数,使得算法达到最佳效果。之后利用仿真继续测试所提算法在64QAM信号下的频偏估计性能和线宽的容忍度。针对两种不同分布形态的圆形16QAM信号,分别为(4,4,4,4)和(1,5,5,5);将M次方频偏估计算法与并行运算的块状LKF的载波恢复结合,对上述两种圆形16QAM进行载波恢复,方案能保证频偏估计较高的情况下,相位噪声容忍度也提高。在非线性传输场景下对上述载波恢复方案的有效性进行测试,文章利用VPI仿真软件搭建了双偏振光纤传输链路,得出在非线性传输下,利用所提方案能够对信号中的相位噪声进行补偿,给出16QAM信号的最佳入纤功率,以及最远传输距离可达到1388 km;讨论了在叁种不同色散管理链路下的非线性传输性能,经过对仿真结果的比较得到在非色散管理下的16QAM比色散管理链路下的非线性容忍度高出一个数量级。因而选择DSP算法不仅在成本上占很大优势,性能也更好。本文提出的载波恢复算法能够很好地解决多种高阶调制格式的频偏与相位噪声的影响,并且算法具有计算复杂度低,运算速度快以及同时进行频偏与相位估计且频偏估计范围广等多个优点,具有较高的实际应用性。(本文来源于《哈尔滨工业大学》期刊2018-12-01）
郝亮,郭立新[7]（2018）在《基于无迹卡尔曼滤波软测量技术的汽车行驶状态估计》一文中研究指出为了有效解决电动汽车在行驶过程中的车速、质心侧偏角和横摆角速度等参数低成本测量的问题,采用无迹卡尔曼搭建了软测量算法;该算法充分考虑电动汽车动态行驶状况下非线性的影响因素,同时采用非线性的高速公路研究所动态轮胎模型对轮胎侧向力进行精确估计。通过与Car Sim动力学仿真软件进行联合仿真,对比分析验证所建立的软测量算法能够准确、实时地估计出电动汽车的运动参数。(本文来源于《科学技术与工程》期刊2018年27期）
吴若溪,董岩,田成军,赵馨[8]（2018）在《基于卡尔曼滤波的激光通信视轴指向技术》一文中研究指出针对不确定区域大小对系统性能的影响,以地面定点激光通信系统为背景,通过坐标转换矩阵得到初始指向角,对影响视轴指向角精度误差因素进行了分析,将卡尔曼滤波技术引入到视轴指向系统中,完成系统建模。实验结果表明:在视轴指向系统中加入卡尔曼滤波器后可有效平滑GPS输出的位置数据,并且滤波的预测功能可减小动态滞后的影响,从而提高视轴指向精度,降低不确定区域大小。(本文来源于《光通信技术》期刊2018年09期）
谷乐,陈志云[9]（2019）在《加权最小二乘法与卡尔曼滤波实时稳像技术》一文中研究指出无人机和车辆行驶等情况下拍摄的视频受外界影响会造成视频抖动。通过对比现有的电子稳像技术,提出了利用FAST获取特征点的位置信息,再通过光流法结合NCC匹配得到参考帧特征点在当前帧的位置信息,在此基础上结合RANSAC算法剔除错误匹配的特征点对的改进算法。为了提高运动矢量估计的精度,应用加权最小二乘法得到相邻帧间的刚性变换矩阵,并经过卡尔曼滤波进行运动平滑得到扫描运动矢量并补偿,最终得到实时的稳定视频。实验表明,视频序列稳像后的帧间变换保真度有所提高,并且能够达到实时处理速度。(本文来源于《计算机应用研究》期刊2019年10期）
袁伟娜,王嘉璇[10]（2018）在《基于卡尔曼滤波的快时变稀疏信道估计新技术》一文中研究指出针对高铁以及山区环境下正交频分复用(orthogonal frequency division multiplexing,OFDM)通信系统的信道估计问题,提出一种基于卡尔曼滤波的快时变稀疏信道估计方法.该方法基于快时变信道的基扩展模型(basic expansion model,BEM),应用压缩感知(compressed sensing,CS)理论进行稀疏时延估计,并应用卡尔曼滤波(Kalman filter,KF)技术对BEM系数进行估计,进而获得信道增益.仿真结果表明,在相同信噪比(signal to noise ratio,SNR)条件下,随着归一化多普勒频移(frequency-normalized Doppler shift,FND)增大,新方法的信道估计均方差(mean square error,MSE)性能优于传统方法,如当SNR为20 dB,FND为0.1时,新方法较传统方法性能提升了4 dB,表明对信道时变性具有更优的鲁棒性;在相同的多普勒频移条件下,随着SNR增加,各方法的均方差均有所改善,新方法改善更明显,如当FND为0.2时,在信道估计均方差为0.06的条件下,新方法较传统方法获得了6 dB的信噪比增益,表明对抗信道噪声能力更强.(本文来源于《西南交通大学学报》期刊2018年04期）
卡尔曼滤波技术论文开题报告
（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：
在智能控制与工业和科技深度融合发展的时代下,车辆的无人化控制系统已经成为现代车辆发展与生产中不可或缺的技术,不断提升社会生产效率和提高人们的出行体验。车道保持控制技术作为无人车控制最为基础与核心的模块之一,具有重要的研究价值与意义。本文采用深度学习方法进行车道识别检测,通过最小二乘法拟合检测到的车道曲线,结合卡尔曼滤波完成车道线的跟踪与定位,得到车辆在车道上的行驶轨迹,从而完成车道保持控制任务。主要研究内容有:1.采用全卷积神经网络算法来识别检测车道,首先研究了关于典型计算机视觉中识别车道线的边缘检测算法,并设计一种基于边缘检测法标定车道数据集的方法。然后完成数据集制作并训练全卷积神经网络模型,最后通过训练好的全卷积神经网络模型实现对车道的检测与识别。2.针对车道检测误检漏检问题,研究车道线跟踪定位,首先通过全卷积神经网络完成车道检测,得到车道的检测数据。然后通过逆透视变换得到对应的鸟瞰图,提取鸟瞰图上的左右车道像素点坐标,通过最小二乘法拟合车道线曲线方程,求解曲线方程系数。通过卡尔曼滤波器对每次拟合的曲线方程系数进行预测得到最优曲线方程,完成车道线跟踪,并根据左右两车道线方程求解出车道中心线曲线方程以及其曲线斜率,从而得到车辆行驶轨迹。3.为了验证车道保持控制的可行性,采用预测控制模型,将卡尔曼滤波器跟踪得到的车道中心线作为车道保持的控制行驶轨迹,求出行驶所需的偏航角并给定期望速度。构建mpc控制器仿真模型,验证并分析控制模型的可靠性。搭建实车测试平台,完成模型控制测试任务,并进行实车测试与分析。
（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。
卡尔曼滤波技术论文参考文献
[1].阎静,杜伟,程敬亮,耿杰峰,郭翠萍.正常人群弓状束双张量无损卡尔曼滤波与单张量线性纤维束示踪技术成像效果比较[J].郑州大学学报(医学版).2019
[2].雷震.全卷积神经网络与卡尔曼滤波融合车道线跟踪控制技术[D].重庆邮电大学.2019
[3].刘瑞豪,何涛.基于卡尔曼滤波的组合定位技术在现代有轨电车的应用研究[J].都市快轨交通.2019
[4].张明宇,王艳.基于卡尔曼滤波的多普勒速度平滑技术研究[J].声学与电子工程.2018
[5].沈国华,吴雨翠,童长青,王艳,陈臻尧.基于LC801E平台卡尔曼滤波算法与控温算法结合的技术实现[C].第十五届中国航天电子技术研究院学术交流会优秀论文集.2018
[6].侯冰洁.基于卡尔曼滤波的高阶调制光信号载波恢复技术研究[D].哈尔滨工业大学.2018
[7].郝亮,郭立新.基于无迹卡尔曼滤波软测量技术的汽车行驶状态估计[J].科学技术与工程.2018
[8].吴若溪,董岩,田成军,赵馨.基于卡尔曼滤波的激光通信视轴指向技术[J].光通信技术.2018
[9].谷乐,陈志云.加权最小二乘法与卡尔曼滤波实时稳像技术[J].计算机应用研究.2019
[10].袁伟娜,王嘉璇.基于卡尔曼滤波的快时变稀疏信道估计新技术[J].西南交通大学学报.2018
标签：弓状束; 扩散张量成像; 双张量无损卡尔曼滤波; 纤维束示踪成像;