基于OEAR算法优化的卡尔曼滤波定位算法

卡尔曼滤波算法运用于动态定位过程分为先验估计和后验估计两个过程,后验估计过程中观测值精度限制了卡尔曼滤波定位算法定位精度。传统均值滤波由于其算法复杂度较小,成本较低被广泛使用,但设备因素、人为因素、环境因素等对算法结果影响较大。针对以上问题提出测距误差离群去约束算法优化的卡尔曼滤波定位算法,通过减小观测值输入值误差来提高最终算法定位精度。利用Matlab软件对20条随机路径进行仿真,仿真结果显示,,改进后的算法有0.5m-1m的精度提升。

基于测向交叉和卡尔曼滤波的多舰无源被动定位算法

在分布式多舰无源被动定位算法中 ,用修正增益推广卡尔曼滤波器对海上运动舰艇辐射源进行纯方位跟踪时 ,会出现滤波发散的情况。本文讨论了进行多舰纯方位定位跟踪融合的方法 ,提出一种通过测向交叉定位的结果来改进修正增益推广卡尔曼滤波器的方法 ,提高其稳定性 ,减少其滤波发散的可能 ,提高定位精度 。

基于卡尔曼滤波的AGV惯性导航仿真研究

针对目前导航方式存在的不足和惯性导航对自动引导小车(automated guided vehicle,AGV)路径定位精度低及纠偏能力差的问题,研究了AGV轨迹误差形成原因及改进惯性导航在AGV导航上的控制策略,对AGV数学模型、卡尔曼滤波(Kalman filter)定位、惯性导航纠偏控制系统进行仿真研究。在MATLAB软件上建立AGV运动模型及控制模型,获得了传统控制的AGV行走轨迹和使用卡尔曼滤波惯性导航控制策略的轨迹,并且在惯性元件的观测上引入偏移量,极大地提高了AGV在短距离行驶的观测准确性。仿真结果表明:AGV在短距离运动过程中采用卡尔曼滤波惯性导航的控制策略比传统控制策略轨迹精度提高8倍左右,在很大程度上提高了AGV定位导航能力。

两种伪距定位精度分析及计算程序的实现

针对卡尔曼滤波伪距定位方法难以建立准确的定位模型,容易造成滤波发散,导致定位精度降低的问题,比较分析了卡尔曼滤波伪距定位和星频双差伪距定位两种伪距定位模型,利用三个点的静态观测数据,采用全球定位系统(GPS)的卫星伪距观测值和广播星历文件计算得到测站点坐标,将两种伪距定位模型计算的坐标与赫戈(HGO)软件静态解算的坐标进行精度对比与分析。结果显示,卡尔曼滤波伪距定位方法的误差在6 m内,星频双差伪距定位方法的误差在3 m内,对总体均方根误差(RMSE)进行分析,星频双差伪距定位结果低于卡尔曼滤波伪距定位,证明星频双差伪距定位精度高于卡尔曼滤波伪距定位精度,星频双差伪距定位数学模型是可行的。

GPS测试数据处理中的滤波模型及算法

弹射试验测试的系统状态及量测过程都会受到随机噪声的影响,使用卡尔曼滤波可以有效消除这些随机噪声带来的误差。但卡尔曼滤波效果依赖于系统的运动模型,适宜的系统模型可以取得良好的滤波效果。本文针对高动态测试系统的特点,建立了加速度"当前"统计模型的卡尔曼自适应滤波算法,并给出了仿真结果及试验结果。结果表明,该滤波算法可以有效提高系统测试精度。