期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
一种指数渐消记忆加权滤波的内交点定位算法 被引量:3
1
作者 高端阳 李安 傅军 《中国惯性技术学报》 EI CSCD 北大核心 2018年第3期299-304,共6页
针对无线室内定位存在的非视距误差及信号跳变的问题,提出了一种基于指数渐消记忆加权测距滤波的内交点定位算法。为了减小非视距误差对无线系统定位精度的影响,提出了一种内交点定位算法,它无需识别基站是否处于视距环境,也无需任何先... 针对无线室内定位存在的非视距误差及信号跳变的问题,提出了一种基于指数渐消记忆加权测距滤波的内交点定位算法。为了减小非视距误差对无线系统定位精度的影响,提出了一种内交点定位算法,它无需识别基站是否处于视距环境,也无需任何先验的信息,仅基于当前时刻的各基站测距信息实现目标位置的解算。针对无线信号易跳变的问题,采用指数渐消记忆加权算法对测距信息进行滤波处理,通过选取合适的渐消记忆因子有效调节测距信号跳变的幅度。实测数据结果表明:利用所提出的方法定位精度优于2m,显著优于传统的加权最小二乘定位算法,且定位结果的跳变现象明显减弱。 展开更多
关键词 指数渐消记忆 非视距 加权滤波 内交点定位 室内定位
在线阅读 下载PDF
一种基于记忆渐消因子指数加权的动态分布式传感器融合算法 被引量:2
2
作者 张子凌 南新元 《传感技术学报》 CAS CSCD 北大核心 2019年第2期231-236,共6页
由于新疆生物氧化提金预处理过程的工业现场易受到外界因素如昼夜温差、强风等干扰,传统测量方法往往存在较大的误差。为解决这个问题,①根据预处理过程,建立了传热机理模型。②针对该过程设计一个小范围传感器网络,提出了一种基于多连... 由于新疆生物氧化提金预处理过程的工业现场易受到外界因素如昼夜温差、强风等干扰,传统测量方法往往存在较大的误差。为解决这个问题,①根据预处理过程,建立了传热机理模型。②针对该过程设计一个小范围传感器网络,提出了一种基于多连通融合结构的传感器分层融合结构。③数据处理过程中,引入一种基于渐消记忆指数加权的多重衰落因子调整预测误差协方差,提高基于扩展卡尔曼滤波(EKF)在一步预测中的有效性。④以各传感器的状态估计精度用作加权融合准则,通过添加动态加权因子来预测每个传感器的预测置信度。仿真实验的性能指标表明,该方法比传统的单传感器方法具有更高的全局精度,并能有效降低干扰噪声的影响。 展开更多
关键词 温度监测优化 分布式数据融合 小范围传感器网络 因子 记忆指数加权
在线阅读 下载PDF
基于自适应多重渐消因子卡尔曼滤波的SINS初始对准方法 被引量:29
3
作者 薛海建 郭晓松 周召发 《系统工程与电子技术》 EI CSCD 北大核心 2017年第3期620-626,共7页
针对传统卡尔曼滤波器在模型失配和噪声时变情况下滤波精度下降甚至发散的问题,设计了一种新的多重渐消因子卡尔曼滤波算法。该算法通过一个基于渐消记忆指数加权的新息协方差估计器来计算新息协方差估计值,并依此引入多重渐消因子对预... 针对传统卡尔曼滤波器在模型失配和噪声时变情况下滤波精度下降甚至发散的问题,设计了一种新的多重渐消因子卡尔曼滤波算法。该算法通过一个基于渐消记忆指数加权的新息协方差估计器来计算新息协方差估计值,并依此引入多重渐消因子对预测误差协方差阵进行调整,使得各滤波通道具有不同的调节能力,克服了单渐消因子对多变量跟踪能力差的局限性,从而提高滤波算法的精度和鲁棒性。仿真和试验结果表明,新算法能有效抑制滤波器发散,其滤波精度和鲁棒性优于常规卡尔曼滤波与单渐消因子卡尔曼滤波,能够更好地满足工程应用的要求。 展开更多
关键词 捷联惯性导航系统 初始对准 卡尔曼滤波 多重因子 记忆指数加权
在线阅读 下载PDF
基于IMU的机器人姿态自适应EKF测量算法研究 被引量:32
4
作者 班朝 任国营 +1 位作者 王斌锐 陈相君 《仪器仪表学报》 EI CAS CSCD 北大核心 2020年第2期33-39,共7页
为了实现机器人运动学参数标定,提出一种用惯性测量单元(IMU)实时获取其末端姿态信息的方法。然而,IMU在进行机器人动态姿态测量时,存在加速度计信号中有害加速度(除重力加速度之外的其他加速度)叠加,噪声统计特性参数不易获取,陀螺仪... 为了实现机器人运动学参数标定,提出一种用惯性测量单元(IMU)实时获取其末端姿态信息的方法。然而,IMU在进行机器人动态姿态测量时,存在加速度计信号中有害加速度(除重力加速度之外的其他加速度)叠加,噪声统计特性参数不易获取,陀螺仪信号随时间发生漂移等影响测量精度的问题。针对这些问题,设计了一种自适应拓展卡尔曼滤波(EKF)姿态测量改进算法。基于EKF模型,首先构建第一级量测噪声方差阵,设定权重因子,降低有害加速度对测量结果的影响;其次在Sage-Husa自适应滤波算法中引入了渐消记忆因子的思想,实时跟踪采样数据的量测噪声,构建第二级量测噪声方差阵;最后采用姿态更新的四元数算法进行数据融合,修正陀螺仪信号漂移产生的误差。实验结果表明,相比Sage-Husa自适应滤波算法,该算法峰高时俯仰角和横滚角的平均绝对误差分别降低了50%和36.43%,峰谷时俯仰角和横滚角的平均绝对误差分别降低了14.28%和19.44%,能有效提高姿态测量精度。 展开更多
关键词 机器人 惯性测量单元 姿态测量 数据融合 指数渐消记忆 拓展卡尔曼滤波
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部