毕业论文

打赏
当前位置: 毕业论文 > 研究现状 >

滤波算法发展研究现状

时间:2021-02-25 21:02来源:毕业论文
在航姿系统算法方面现行主要集中在针对现有传感器及系统的特点对卡尔曼滤波器进行改进研究,产生了自适应卡尔曼滤波(AKF)、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等改进方法,

在航姿系统算法方面现行主要集中在针对现有传感器及系统的特点对卡尔曼滤波器进行改进研究,产生了自适应卡尔曼滤波(AKF)、扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF)等改进方法,意在提高滤波精度和适应性,以使系统估计精度更高,恶劣环境下的响应性能更好,对此国内外科研机构展开了广泛的研究[16] [15] [17]。传统的卡尔曼滤波是针对线性系统下的滤波,应用系统的线性数学模型,可以推得不同情况下的滤波算法,的确能反映出很多系统和过程的实际情况。但是实际系统总存在不同程度的非线性,进而很多学者根据工程应用对卡尔曼滤波进行扩展(扩展卡尔曼滤波EKF),使其更好的适应系统非线性模型,减小滤波误差,增加滤波器适应性[18][19]。然而论文网,EKF是采用围绕滤波估值将非线性状态矩阵和量测矩阵进行泰勒级数展开并略去二阶无穷小来进行线性化的方法来逼近非线性模型[20],从根本上讲,仍然是线性滤波,对非线性系统的适用性有限。而为了直接使用系统的非线性模型,UKF方法由近年产生[16]。此外,根据工程应用的特点,很多学者扩展了现有的理论模型,增加滤波适应性,在前人的基础上产生了大量的自适应滤波方法增强系统的适应性和鲁棒性[21]。根据滤波技术的发展并结合现有研究对象的特点,EKF已经成功应用于国外类似产品中,技术较为成熟。63510

参考文献

[1]Li YongJian, Zhao ZuoXi. THE RESEARCH OF ATTITUDE AND HEADING REFERENCE SYSTEM AHRS500GA IN AGRICULTURAL NAVIGATION AND POSITIONING[C]. Proceedings of the Joint International Agricultural Conference, Beijing,China..2009

[2]David H.Titterton , John L.Weston.Strapdown Intertial Navigation Technology,2007

[3]王磊.硅微航姿系统技术研究[D].哈尔滨工程大学.2010

[4]JS Jang, D Liccardo.Automation of small UAVs using a low cost MEMS sensor and embedded computing platform.25th Digital Avionic systems Conference,2006:15.1-10P

[5]E Foxlin.Inertial head-tracker sensor fusion by a complementary separate-bias Kalman filter.Proceedings of VRAIS,1996:96. 185-194P

[6]秦勇,臧希喆,王晓宇等.基于MEMS惯性传感器的机器人姿态检测系统的研究.传感技术学报.2007.20(002):298-301页

[7]秦永元.惯性导航.2005

[8]吕声清,吴旭峰.微机械惯性器件.压电与声光.1997.19(006):375-380页

[9]解旭辉,刘危.微惯性测量组合关键技术与应用.光学精密工程.2002.10(002):154-159页

[10]R Zhu,Z Zhou.A real-time articulated human motion tracking using tri-axis inertial/magnetic sensors package.IEEE Transactions on Neural Systems and Rehabilitation Engineering.2004.12(2):295-302P

[11]高为广,杨元喜,崔先强等.IMU/GPS组合导航系统自适应Kalman滤波算法.武汉大学学报(信息科学版).2006.31(5):466-469页

[12]刘危.基于MEMS的低成本MIMU的应用研究.国防科学技术大学博士学位论文.2004:34-37页

[13]唐康华.GPS/MIMU嵌入式组合导航关键技术研究.长沙:国防科技大学.2008

[14]沈浩.无人机MIMU/GPS组合导航系统研究.哈尔滨工程大学硕士学位论文.2012

[15]李涛.非线性滤波方法在导航系统中的应用研究.国防科学技术大学博士学位论文.2003:5-7,7-10页

[16]EA Wan,Van Der Merwe R.The unscented Kalman filter for nonlinear estimation.Proceedings of Symposium,2000:153-158P

[17]付旭,周兆英,熊沈蜀等.基于EKF的多MEMS传感器姿态测量系统.清华大学学报:自然科学版.2006.46(011):1857-1859页

[18]陈剑,孙金海,李金海,阎跃鹏.GPS/AHRS紧耦合系统中一种改进的SRUKF算法[J].哈尔滨工程大学学报.2012(10)

[19]秦永元,张洪钺,汪叔华编著.卡尔曼滤波与组合导航原理.西安:西北工业大学出版社.1998:41-42页 滤波算法发展研究现状:http://www.751com.cn/yanjiu/lunwen_70039.html

------分隔线----------------------------
推荐内容