改进无色卡尔曼滤波算法在GPS系统中的应用

基于无色卡尔曼滤波算法在GPS卫星定位系统中的应用,提出了GPS卫星定位系统中的改进无色卡尔曼滤波算法。该算法在迭代一定次数后引入遗忘因子,根据误差协方差矩阵自适应调整无色卡尔曼滤波算法中的过程噪声方差矩阵,以提高模型的准确度。通过采集大量实测数据的仿真测试结果表明,改进无色卡尔曼滤波算法在定位精度上较无色卡尔曼滤波算法大幅提高,表明其对于精确定位有更加重要的意义和更为广阔的应用前景。

基于改进卡尔曼滤波算法的磷酸铁锂电池SOC动态估计

对锂电池荷电状态(SOC)进行快速精确地动态估计能有效提高其使用寿命。针对传统磷酸铁锂电池等效电路模型无法反映其对应的电气动态特性问题,提出了一种改进的戴维南电池模型。考虑到传统卡尔曼滤波算法在磷酸铁锂电池SOC动态估计过程中对模型依赖性较强的局限性,引进算法增益因子及修正观测噪声协方差,提出一种改进的卡尔曼滤波算法对磷酸铁锂电池SOC进行动态估计。仿真结果表明所提算法在锂电池SOC估计上具有很好的精度。

基于改进的双卡尔曼滤波的锂电池SOC估计

以实时在线估计锂电池的荷电状态(state of charge,SOC)为目的,基于传统的双卡尔曼滤波(dual extended Kalman filter,DEKF)算法提出了一种改进的双卡尔曼滤波(improved dual extended Kalman filter,I-DEKF)算法,减小了安时积分法因电流计量所引起的累积误差,同时降低了DEKF算法对精确模型的依赖。建立电池的Thevenin一阶RC等效电路模型,用最小二乘法对模型参数进行辨识,再采用I-DEKF算法进行SOC估计。研究结果表明,与传统的双卡尔曼滤波算法相比,改进的双卡尔曼滤波能够减小因电流计量误差而引起安时积分法产生的误差并对其进行修正,对初始值的鲁棒性、收敛性更好,能够很好地应用于实车SOC估计。

基于改进的联邦UKF无人艇组合导航系统设计

针对无人艇在高海况下长航时,大幅度作业滤波精度较低的问题,提出一种基于联邦结构的无迹卡尔曼滤波(Unscented Kalman Filtering,UKF)算法,将其应用于自主研制的无人艇组合导航系统中。建立系统误差方程和量测方程;引入渐消因子、基于量测值与预测量测值差值的可变因子和自适应最优信息分配因子对联邦UKF算法进行改进,保持信息的强跟踪特性和组合导航系统的信息融合精度,得到全局最优估计值。开展湖试试验,验证该组合导航系统的有效性,结果表明该系统实时性、稳定性好,抗干扰能力强,能有效提高导航精度。该方法不仅能为无人艇作业提供安全保障,而且可供其他组合导航系统设计参考。

基于UWB技术的煤矿人员定位系统研究

从硬件和软件两方面对基于超宽带(UWB)技术的煤矿人员定位系统进行设计研究,利用MATLAB软件对系统的性能进行分析,得出卡尔曼滤波改进算法在定位系统中的应用优势。将系统应用于某煤矿中,对具体定位效果进行了分析。

基于多模型协作和反向校验的快速指纹图像检索研究

在生物特征识别领域,指纹识别因其独特性被广泛应用。随着指纹识别场景的普及,逐一匹配指纹不具有实际意义。因此,研究一种快速高效的指纹图像检索识别技术具有重要意义。本文旨在研究指纹细节点的快速检索和精细匹配问题,提出了一种快速高效的指纹检索模型。该模型结合基于区域的细节点特征匹配算法减少噪声干扰,设计粗粒度残差网络提取数据点特征,此外,利用基于卡尔曼滤波的改进遗传算法二次筛选数据样本,最后,利用BEBLID描述符对样本数据进行精准匹配。经过综合分析,本文所提出的模型运行时间较快,内存消耗量较小。