导读:本文包含了自适应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:自适应容积卡尔曼滤波,跟踪精度,稳定性,迭代测量更新过程方法
自适应卡尔曼滤波算法论文文献综述
巫春玲,李永萍,谢美美,安诺静[1]（2019）在《迭代自适应容积卡尔曼滤波算法》一文中研究指出针对标准容积卡尔曼滤波(CKF)算法跟踪精度低、稳定性差的问题,提出了一种采用优化迭代测量更新过程方法,并将其引入到自适应的容积卡尔曼滤波算法中。该算法不仅保证了迭代算法的有效性,还在很大程度上提高了CKF算法的精度、增强算法的稳定性,新算法还具有应对噪声统计特性变化的自适应能力。采用非线性高斯模型进行仿真实验与分析,实验中给出了扩展卡尔曼滤波(EKF)、无际卡尔曼滤波(UKF)、CKF、以及改良的迭代自适应容积卡尔曼滤波(IDCKF)等算法的目标跟踪滤波估计结果。并根据均方根误差、对目标跟踪位置与速度的均方根误差以及执行时间来证明新算法的有效性。(本文来源于《电子测量技术》期刊2019年17期）
杜云,张静怡[2]（2019）在《基于自适应容积卡尔曼滤波的交互多模型算法》一文中研究指出ADS-B航迹处理主要包括航迹数据滤波和滤波后数据可靠性的判断。飞机飞行运动复杂,而报文需要在飞行过程中向外界发送,此时报文会受到来自外界的影响和干扰,从而使航迹信息出现误差或丢失。为提高ADS-B航迹报文的准确性,文章采用了交互多模型滤波算法,将自适应容积卡尔曼滤波器作为交互多模型滤波算法的滤波器,并将当前统计模型作为交互多模型的子模型。仿真结果表明,论文改进的算法提高了滤波算法的滤波性能,相较于传统的交互多模型滤波算法具有更高的滤波精度。(本文来源于《科技创新与应用》期刊2019年25期）
徐壮,彭力[3]（2019）在《带非线性约束的自适应高斯和卡尔曼滤波目标跟踪算法》一文中研究指出无线传感网络中运动目标状态通常满足某种非线性状态约束,为了提高对传感网络中运动目标的跟踪精度,降低非高斯噪声对状态估计的影响,避免高斯项数在迭代过程中的冗余累积,提出一种带非线性约束的权值自适应高斯和卡尔曼滤波算法;算法在每个时刻计算目标当前状态的高斯子项集合,并对每个高斯子项分别以无迹卡尔曼滤波进行状态估计;设计了一种高斯子项权值自适应策略动态调节子项权值,以实现无约束状态下的全局估计;将目标的非线性状态约束引入滤波器结构中时,考虑将其看作一类无约束状态估计的约束投影问题,通过状态约束信息先验来修正运动目标的状态估计;仿真结果表明,该算法与目前的非线性约束卡尔曼滤波相比具有更高的跟踪精度。(本文来源于《计算机测量与控制》期刊2019年06期）
张浩为,谢军伟,葛佳昂,宗彬锋,路文龙[4]（2019）在《自适应CS模型的强跟踪平方根容积卡尔曼滤波算法》一文中研究指出对于目标跟踪过程中的强机动问题,基于当前统计(current statistical,CS)模型和改进的强跟踪平方根容积卡尔曼滤波器(square-root cubature Kalman filter,SCKF),提出新的跟踪算法。在CS模型和改进输入估计算法的基础上,引入加加速度估计,使得状态过程噪声与状态协方差矩阵相联系,实现模型的自适应调整。从正交性原理出发,重新确定了渐消因子的引入位置,并提出了新的渐消因子计算形式,以克服传统渐消因子在雷达量测坐标系中的失效问题,从而构造强跟踪平方根容积卡尔曼滤波器。另外,构造强机动检测函数,利用SCKF的输出来调整自适应CS模型中的机动频率。仿真结果表明,相比基于CS模型的多重渐消因子强跟踪SCKF算法、改进CS模型的强跟踪SCKF(SCKF-STF)算法和交互式多模型(interacting multiple-model,IMM)SCKF算法,所提算法具有更佳的目标机动适应性和跟踪精度;相比于IMM-SCKF算法,实时性有明显改善。(本文来源于《系统工程与电子技术》期刊2019年06期）
刘军,刘克诚,田甜,崔学伟[5]（2019）在《基于自适应卡尔曼滤波算法的紧组合导航系统的研究》一文中研究指出为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。(本文来源于《电子测量技术》期刊2019年05期）
马艳,刘小东[6]（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）
靳标,李建行,朱德宽,郭交,苏宝峰[7]（2019）在《基于自适应有限冲激响应-卡尔曼滤波算法的GPS/INS导航》一文中研究指出导航定位系统一般采用卡尔曼滤波算法提高定位精度。传统卡尔曼滤波算法的性能很大程度上依赖观测噪声的先验统计信息,不精确的统计特性将会降低定位精度。针对此问题,该文提出一种基于FIR(finite impulse response)预测模型的卡尔曼滤波算法。将FIR预测模型与卡尔曼滤波结合,FIR预测模型的系数可以通过求解一个凸二次规划问题得到。该凸二次规划以目标的多项式运动规律为约束条件,以最小白噪声增益为目标函数,具有闭式解。仿真试验和实测结果均表明,在相同的参数设置条件下,基于FIR预测模型的卡尔曼滤波算法比传统的卡尔曼滤波算法具有更高的估计精度,仿真结果表明定位精度提高29.54%,实测结果表明X方向定位精度提高21.71%,Y方向定位精度提高22.62%。该算法可应用于GPS接收信号的降噪处理,提高目标状态的定位精度。(本文来源于《农业工程学报》期刊2019年03期）
戴文战,黄晓姣,沈忱[8]（2019）在《带遗忘因子的自适应迭代容积卡尔曼滤波算法》一文中研究指出自适应迭代滤波算法作为典型的滤波改进算法,有效提高了滤波精度,但旧数据影响过大,导致滤波发散;遗忘因子滤波算法虽然引进遗忘因子减少了旧数据的影响,但是其滤波算法本身的精度不高,难以处理高度非线性问题。基于此,本文借鉴遗忘因子的滤波算法和自适应迭代无迹卡尔曼滤波算法的思想,把遗忘因子与自适应迭代容积卡尔曼滤波相结合,这样既可以发挥遗忘因子的作用,减小历史数据对滤波结果的影响,又可以提高滤波算法本身精度和处理非线性问题的能力。仿真实验表明,该算法可以有效减小误差且提高滤波精度。(本文来源于《科技通报》期刊2019年01期）
张恒浩[9]（2018）在《采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案》一文中研究指出针对飞行器绕本体轴高速旋转的飞行过程出现的严重耦合干扰问题和大角加速度和大角速度测量问题,提出了一种自适应简化不确定性卡尔曼滤波算法。该算法使用超球面分布采样点和线性转移等方法简化算法采样计算和采样点的权值计算,提高算法效率;利用模型噪声和线性方程,通过一步预测进行自适应设计,计算滤波值和误差方差矩阵;使用次优噪声估计器推算过程噪声;对过程噪声进行正定判定,防止算法发散。仿真结果表明,这一改进的自适应简化不确定性卡尔曼滤波算法能够有效减少滚转角解算误差和耦合干扰,提高飞行器着陆点的精度。(本文来源于《国防科技大学学报》期刊2018年06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）
自适应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：
ADS-B航迹处理主要包括航迹数据滤波和滤波后数据可靠性的判断。飞机飞行运动复杂,而报文需要在飞行过程中向外界发送,此时报文会受到来自外界的影响和干扰,从而使航迹信息出现误差或丢失。为提高ADS-B航迹报文的准确性,文章采用了交互多模型滤波算法,将自适应容积卡尔曼滤波器作为交互多模型滤波算法的滤波器,并将当前统计模型作为交互多模型的子模型。仿真结果表明,论文改进的算法提高了滤波算法的滤波性能,相较于传统的交互多模型滤波算法具有更高的滤波精度。
（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。
自适应卡尔曼滤波算法论文参考文献
[1].巫春玲,李永萍,谢美美,安诺静.迭代自适应容积卡尔曼滤波算法[J].电子测量技术.2019
[2].杜云,张静怡.基于自适应容积卡尔曼滤波的交互多模型算法[J].科技创新与应用.2019
[3].徐壮,彭力.带非线性约束的自适应高斯和卡尔曼滤波目标跟踪算法[J].计算机测量与控制.2019
[4].张浩为,谢军伟,葛佳昂,宗彬锋,路文龙.自适应CS模型的强跟踪平方根容积卡尔曼滤波算法[J].系统工程与电子技术.2019
[5].刘军,刘克诚,田甜,崔学伟.基于自适应卡尔曼滤波算法的紧组合导航系统的研究[J].电子测量技术.2019
[6].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
[7].靳标,李建行,朱德宽,郭交,苏宝峰.基于自适应有限冲激响应-卡尔曼滤波算法的GPS/INS导航[J].农业工程学报.2019
[8].戴文战,黄晓姣,沈忱.带遗忘因子的自适应迭代容积卡尔曼滤波算法[J].科技通报.2019
[9].张恒浩.采用自适应简化不确定性卡尔曼滤波算法的飞行器导航控制方案[J].国防科技大学学报.2018
[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
标签：自适应容积卡尔曼滤波; 跟踪精度; 稳定性; 迭代测量更新过程方法;