使用虚拟噪声补偿技术的自适应kalman滤波算法的研究

研究使用虚拟噪声补偿技术的自适应kalman滤波算法。首先对实际系统模型中的误差部分进行虚拟噪声补偿,然后通过一般自适应kalman滤波算法相结合,使改进的自适应kalman滤波算法在带有模型误差和噪声统计特性误差的前提下,能够在线估计观测随机误差的噪声特性。并编制仿真软件,验证改进算法的可行性。

基于虚拟噪声模型补偿AUV导航算法研究

自主式水下机器人(AUV)同时定位与环境地图构建(SLAM)是实现水下未知环境自主导航的关键性技术,是机器人研究的热门课题之一。针对自主式水下机器人SLAM框架下应用扩展卡尔曼滤波(EKF)因模型线性化产生误差以及噪声统计未知的情形,采用一种基于虚拟噪声补偿技术的EKF算法,该方法可以把未知模型误差归入到虚拟噪声中去,运用噪声统计估值器在线估计噪声统计。以构建的AUV运动系统的模型为基准,从滤波精度、收敛性及算法稳定性方面,通过matlab仿真验证改进的EKF算法的效果。仿真结果表明,相对于传统的EKF算法,改进后的EKF算法估计精度更高,预期效果更好,有效提高了非线性滤波的性能。

水下导航同时定位与地图构建改进算法

研究了水下导航同时定位与环境地图构建(SLAM)技术,以水下机器人(AUV)为载体,研究了水下导航同时定位与环境地图相连(SLAM)技术,研究解决SLAM问题中的扩展卡尔曼滤波(EKF)算法存在的问题。针对在进行线性化的过程中产生模型误差和在状态转移阵及观测阵中出现未知模型误差的情形,提出基于虚拟噪声补偿技术的EKF算法,结合AUV系统模型搭建仿真平台,从滤波精度、收敛性及算法稳定性方面验证改进算法的效果。从仿真结果表明,相对于传统的EKF算法,改进后的EKF算法显著提高了非线性滤波的性能,解决了AUV应用SLAM技术精确性和鲁棒性的问题。

基于鲁棒Kalman滤波的猎扫雷作战过程建模及效果评估

针对混布雷阵在猎扫雷作战效果评估中评估精度差的问题,采用时变带未建模动态系统对猎扫雷作战过程建模,通过引入带未知时变均值和方差阵的虚拟白噪声来补偿猎扫雷作战数学模型建立过程中简化带来的未知模型误差,并采用鲁棒Kalman滤波器对作战效果进行评估。仿真结果表明,该方法可有效改善Kalman滤波器的性能,对混布雷阵有很好的评估效果,评估过程和评估效果更贴近实际。