基于UKF与融合的声探测定位与跟踪

无源声探测定位与跟踪是一种非线性系统状态估计问题。为了降低系统的复杂度和提高系统硬件的可实现性,将扩维UKF(Unscented Kalman Filter)应用于多传感器无源声探测定位跟踪。用多声传感器所测的方位角进行交叉定位,建立了扩维UKF无源声探测定位跟踪的状态方程和观测方程。为了提高跟踪精度,采用了一种基于子滤波估计值之间支持度的非等权值融合算法,将UKF子滤波的估计值进行融合得到融合估计值。仿真结果表明,扩维UKF和新融合方式结合的多传感器声探测定位与跟踪的精度高,可以较好地跟踪不规则运动的声目标,具有较大的工程应用价值。

提高网络授时精度的Kalman滤波方法

在通信网络中传输标准时间往往受到时延很大的影响,造成精度不高。为了提高网络授时精度,提出一种基于卡尔曼滤波器的修正方法,将网络时延分解为固有延时、抖动时延、突发时延3个部分,利用Kalm an滤波器减小抖动时延,利用跟踪门消除突发时延,从而使网络时延更加逼近固有时延,有利于提高授时精度。在MATLAB中运用S imEvents扩展模块,搭建一个端到端的计算机网络传输模型,验证了卡尔曼滤波对网络时延精度提高的效果,算法在稳定后,时延的估计值与测量值相比,精度可以提高大约100倍。在此基础上,利用LabVIEW设计了一个实时测试平台,嵌入MATLAB程序,实时获取通信网络时延并进行滤波处理。通过实际有线和无线网络测量的时延数据的验证,表明所提出的滤波修正方法的效果明显。