导读:本文包含了卡尔曼滤波法论文开题报告文献综述、选题提纲参考文献及外文文献翻译,主要关键词:卡尔,误差,噪声,永磁,最优,惯量,无人机。
卡尔曼滤波法论文文献综述
舒服华[1](2019)在《基于卡尔曼滤波的四川省社会消费品零售额预测》一文中研究指出卡尔曼滤波算法是一种最优线性递推估计方法,受数据分布特点影响小,适应范围广,建模简单,适合于对各种复杂时间序列的预测,效果显着。鉴于四川省社会消费品零售额数据分布不光滑,运用卡尔曼滤波算法对之进行了预测,取得了很好的效果,平均预测误差仅0.772406%,比ARMA模型的平均预测误差2.1323%减小了63.7756%。由模型预测得到2019年四川省社会消费品零售额为21570.26亿元。(本文来源于《阿坝师范学院学报》期刊2019年04期)
贺晗,陶庭叶,冯佳琪,房兴博[2](2019)在《抗差自适应卡尔曼滤波模型及其在塌陷区监测中的应用》一文中研究指出针对塌陷区等地表快速沉降区域的动力学特点及观测向量中存在的粗差对卡尔曼滤波结果的影响,设计一种抗差自适应卡尔曼滤波模型。该模型能识别稳定沉降与快速沉降2种状态,通过抗差估计减小观测向量中粗差的影响,并采用自适应因子调整动力学模型,减少状态模型的误差,提高滤波结果的精度。将该模型应用于某矿区沉降监测数据的处理,结果表明,其效果优于抗差卡尔曼滤波。(本文来源于《大地测量与地球动力学》期刊2019年12期)
雷孟飞,孔超,周俊华[3](2019)在《自适应卡尔曼滤波在BDS变形监测数据处理中的应用》一文中研究指出针对在变形监测结果中高频噪声、粗差较多,以及普通卡尔曼滤波在模型建立不准确情况下易产生数据发散的问题,提出一种自适应卡尔曼滤波方法:在普通的卡尔曼滤波算法中增加观测噪声方差缩放因子以及参考方差动态计算窗口;并根据前期监测结果中的残差方差动态调整卡尔曼滤波中的测量误差方差阵,达到自适应卡尔曼滤波的效果。实验结果表明,该方法的滤波结果相较普通卡尔曼滤波能够剔除结果中的粗差,并且能够保留被监测物的真实位移,反应速度较普通卡尔曼滤波也有很大提高。(本文来源于《导航定位学报》期刊2019年04期)
李庆党,张义龙[4](2019)在《基于卡尔曼滤波和互补滤波的改进型姿态解算方法》一文中研究指出四元数融合互补滤波通常采用叁轴陀螺仪的角速度积分来获取角度,进而利用角度求得四元数,再由四元数解算出姿态角。但叁轴陀螺仪由角速度积分得到的角度由于温漂、单次迭代等原因,往往偏差较大,难以消除,这就导致求得的四元数精度不够,最终影响互补滤波解算出的姿态角的精度。针对这个问题,提出采用卡尔曼滤波融合陀螺仪、加速度计的数据进行基于误差协方差最小的迭代估计,并通过对过程噪声和观测噪声的滤波,最终得到姿态角的最优估计,再将这个估计值代入互补滤波中求得四元数,利用该四元数进行误差负增益调节。本工作基于STM32F4搭建实验平台进行验证,结果表明:该改进型姿态解算方法明显地提高了姿态角的精度,具有良好的动态和静态特性。(本文来源于《青岛科技大学学报(自然科学版)》期刊2019年06期)
何宗卿,文定都,肖会芹,邹敏,徐丽虹[5](2019)在《基于扩展卡尔曼滤波的永磁同步电机惯量补偿》一文中研究指出针对扩展卡尔曼滤波估计算法在突加负载时存在抗扰性不足的问题,提出一种基于扩展卡尔曼滤波的永磁同步电机惯量补偿方法。利用扩展卡尔曼滤波获取电机的位置与转速等状态参数,建立负载扰动观测器,对扰动惯量进行辨识并进行补偿。对比扩展卡尔曼滤波无速度传感器的永磁同步电机矢量控制的仿真结果表明,基于扩展卡尔曼滤波的永磁同步电机惯量补偿的调速系统具有更好的抗扰性能和鲁棒性。(本文来源于《湖南工业大学学报》期刊2019年06期)
张叶贵,刘敏[6](2019)在《基于容积卡尔曼滤波的配电网状态估计》一文中研究指出针对配电网节点数多、维数高的特点,传统扩展卡尔曼滤波(Extended Kalman Filter,EKF)因线性化程度制约已难以满足配电网状态估计要求。为克服EKF线性化过程引入的误差,以及提升高阶系统估计性能,将不需要对非线性系统函数线性化的容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法引入到配电网状态估计中,并利用叁阶球面—径向规则生成容积点来近似系统函数的非线性分布。通过对叁相不平衡电网进行算例仿真表明,CKF算法相较于EKF算法不仅具有更高的估计精度,且在算法的数值稳定性与算法效率方面都要优于EKF算法。(本文来源于《电力科学与工程》期刊2019年11期)
张振慧,张正江,胡桂廷,朱志亮[7](2019)在《基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法》一文中研究指出无迹卡尔曼滤波是卡尔曼滤波技术的重要组成部分,它有效地克服了扩展卡尔曼滤波的估计精度低、稳定性差等缺陷;然而无迹卡尔曼滤波未考虑粗大误差(如离群值、静差和漂移)的影响;目标跟踪经常受到不同种类粗大误差的影响,研究无迹卡尔曼滤波器对粗大误差的检测和补偿,对目标跟踪准确性的提高有重大意义;文章针对观测值中各种粗大误差影响目标跟踪精度的问题,采用拉依达准则对观测值进行检测;为了对误差进行补偿,文章提出了一种观测数据残差线性拟合的方法,使用拟合产生的预测残差补偿粗大误差,使补偿后的目标运动轨迹能够减小粗大误差的干扰;经过目标跟踪仿真实验和对比,文章提出的改进型无迹卡尔曼滤波算法能有效地减小粗大误差观测值对状态预测过程的影响,能实现对目标的准确跟踪,提高了滤波的稳定性和准确性。(本文来源于《计算机测量与控制》期刊2019年11期)
谷鹏,王大龙,张世仓[8](2019)在《基于粒子群优化的扩展卡尔曼滤波方法研究》一文中研究指出针对传统扩展卡尔曼滤波跟踪算法在跟踪机动目标时易产生较大误差的问题,提出了一种改进的粒子群优化扩展卡尔曼滤波研究方法。对于目标机动时,采用具有最小均方误差估计效果的EKF滤波算法,仅仅通过实验离线调整参数难以获得最优的滤波效果,提出了基于粒子群算法优化EKF噪声矩阵的方法,同时引入全局最优化方法提高粒子群算法的搜索效率,克服其容易发生陷入局部最优解的缺点。实验仿真结果表明,采用该改进优化算法可克服粒子退化现象,提高目标跟踪精度。(本文来源于《工业控制计算机》期刊2019年11期)
邓洪明,贺勇,于小杰,吴成通[9](2019)在《卡尔曼滤波在无人机姿态中的应用研究》一文中研究指出无人机的发展,带动着研发无人机产品企业之间的日益激烈,低成本成为了大部分企业的首选。由于小型无人机中低成本的传感器,相对于采用MEMS加速度计,陀螺仪精度高一些,但时间一长就会出现漂移影响,导致小型无人机出现浮动等不良问题。针对MEMS加速度计和陀螺仪的问题,对最优估计、离散型卡尔曼进行了研究,并进行了相应参数分析,提出了利用离散卡尔曼滤波器对芯片MPU6050陀螺仪和加速度计进行数据滤波。通过建模及其参数整定的重要程度,与未进行滤波算法处理的结果和飞行效果相比较显示,该方法改善了漂移、抗噪声问题,该整定后的卡尔曼估计算法对小型无人机滤波是可靠的。(本文来源于《自动化技术与应用》期刊2019年11期)
王雷[10](2019)在《基于卡尔曼滤波的海上船舶识别》一文中研究指出随着国家海洋发展战略的深入,维护国家海洋权益的形势日益严峻,利用多种传感器对海上船舶进行侦查识别已成为海洋管理的重要技术手段。然而由于噪声、干扰、传感器校准等因素的影响,传感器在获取信号和数据预处理的过程中不可避免的会出现误差。此种误差属于不受人为控制的随机误差,本文采用卡尔曼滤波算法来减小这种随机误差,达到理想的效果。(本文来源于《科学技术创新》期刊2019年33期)
卡尔曼滤波法论文开题报告
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
针对塌陷区等地表快速沉降区域的动力学特点及观测向量中存在的粗差对卡尔曼滤波结果的影响,设计一种抗差自适应卡尔曼滤波模型。该模型能识别稳定沉降与快速沉降2种状态,通过抗差估计减小观测向量中粗差的影响,并采用自适应因子调整动力学模型,减少状态模型的误差,提高滤波结果的精度。将该模型应用于某矿区沉降监测数据的处理,结果表明,其效果优于抗差卡尔曼滤波。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
卡尔曼滤波法论文参考文献
[1].舒服华.基于卡尔曼滤波的四川省社会消费品零售额预测[J].阿坝师范学院学报.2019
[2].贺晗,陶庭叶,冯佳琪,房兴博.抗差自适应卡尔曼滤波模型及其在塌陷区监测中的应用[J].大地测量与地球动力学.2019
[3].雷孟飞,孔超,周俊华.自适应卡尔曼滤波在BDS变形监测数据处理中的应用[J].导航定位学报.2019
[4].李庆党,张义龙.基于卡尔曼滤波和互补滤波的改进型姿态解算方法[J].青岛科技大学学报(自然科学版).2019
[5].何宗卿,文定都,肖会芹,邹敏,徐丽虹.基于扩展卡尔曼滤波的永磁同步电机惯量补偿[J].湖南工业大学学报.2019
[6].张叶贵,刘敏.基于容积卡尔曼滤波的配电网状态估计[J].电力科学与工程.2019
[7].张振慧,张正江,胡桂廷,朱志亮.基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法[J].计算机测量与控制.2019
[8].谷鹏,王大龙,张世仓.基于粒子群优化的扩展卡尔曼滤波方法研究[J].工业控制计算机.2019
[9].邓洪明,贺勇,于小杰,吴成通.卡尔曼滤波在无人机姿态中的应用研究[J].自动化技术与应用.2019
[10].王雷.基于卡尔曼滤波的海上船舶识别[J].科学技术创新.2019