基于运动参数预测的群组移动节点定位算法

针对群组移动节点定位算法普遍基于不切实际的假设,存在普适性欠佳和精度不高的问题,提出一种基于运动参数预测的群组移动节点定位算法。该算法根据群组移动节点具有相似运动的特点,运用Hermite插值多项式预测、过滤节点运动参数。为确保定位精度,应对节点移动性带来的采样区域变化,运用预测节点运动参数构建粒子有效采样区域;为节省时间开销,基于采样粒子真实分布与其极大似然估计值之间的最大K-L(Kullback-Leibler)距离确定能够满足不同采样区域的最少粒子数目;为改善算法收敛性,运用预测运动参数创建滤波公式,并选取优质粒子参与节点位置估计。在与经典算法MCL(Monte Carlo localization)法和加权最小二乘法的MATLAB对比实验中,分析了节点移动速度、自由度、K-L距离阈值、采样方格边长对定位精度的影响。结果表明,较上述算法,本算法的定位误差和时间开销较小,无须锚节点辅助,普适性较好。

基于汽车行驶状态参数预测的主动安全研究

开展汽车行驶安全运动参数的预测研究,提前预知汽车未来时刻可能的行驶运行状态,对提高汽车的主动安全性,减少道路交通事故将起到十分重要的作用。采用多阶递推模型来开展汽车运动参数预测研究,详细分析了其建模预测方法。并以侧倾角速度这一车辆行驶时的关键参数为例,预测并讨论了多阶递推模型在行驶安全运动参数预测中的应用,结果显示由于多阶递推充分考虑到了汽车运动系统的时变特性和非线性特性,能够很好地跟踪系统的变化趋势,因此其预测精度更高。多阶递推模型仅利用自身的历史数据进行建模预测,通用性好,可操作性强的特点。

基于AR建模理论的汽车行驶姿态预测方法研究

采用AR模型开展了汽车运动参数预测研究,详细分析了其建模预测方法,并以侧倾角速度这一车辆行驶时的关键参数为例,讨论了AR模型在行驶安全运动参数预测中的应用,结果显示该模型取得了一定的效果。此外,AR模型仅利用自身的历史数据进行建模预测,故具有简便易行、通用性好、可操作性强的特点。