导读:本文包含了卡尔曼跟踪滤波器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,滤波器,载波,自适应,环路,光电,尔曼。
卡尔曼跟踪滤波器论文文献综述
王福军,丁小燕,王前,白英广[1]（2019）在《自适应强跟踪卡尔曼滤波器载波环设计》一文中研究指出针对自适应Q_k/R_k卡尔曼滤波算法在大频偏或运动场景切换时存在收敛速度慢、易失锁问题,提出了一种自适应强跟踪滤波算法,该算法从自适应Q_k/R_k卡尔曼滤波算法出发,引入强跟踪技术。在稳态场景下,采用自适应Q_k/R_k算法保证跟踪环路有较好的跟踪精度;当场景变化时,自适应强跟踪算法保证跟踪环路有更稳健的动态性能。仿真结果表明,所提出的设计方法能够有效提高载波跟踪环路的跟踪精度和鲁棒性。(本文来源于《火力与指挥控制》期刊2019年11期）
王福军,丁小燕,王前,白英广[2]（2019）在《自适应强跟踪Sage-Husa卡尔曼滤波器载波环设计》一文中研究指出针对Sage-Husa自适应卡尔曼滤波算法易引起发散且对初始条件的选取非常敏感的问题,提出一种自适应强跟踪Sage-Husa滤波算法。该算法从Sage-Husa自适应卡尔曼滤波算法出发,引入强跟踪技术,通过渐消因子在线修正一步预测误差协方差矩阵,使算法具有应对场景变化等不确定情况的能力,增强算法的鲁棒性;通过改进Sage-Husa自适应算法对噪声方差阵进行实时在线估计,使算法具有应对噪声变化的自适应能力,保证较好的跟踪精度。仿真结果表明,所提出的滤波算法能够有效提高载波环路的跟踪精度和鲁棒性。(本文来源于《电光与控制》期刊2019年10期）
黄伟斌,惠力[3]（2019）在《卡尔曼滤波器在GPS信号跟踪中的应用》一文中研究指出遥测信号处理是飞行试验中的重要环节,直接影响到实时监控的质量,其中GPS信号的处理具有很重要的作用。为了保证遥测信号的可靠处理,本文针对高动态遥测信号的处理,提出EKF与UKF在GPS载波频率跟踪中的应用进行研究。介绍了基于卡尔曼滤波器的跟踪模型,并在此基础上设计了EKF和UKF在载波频率跟踪的模型。仿真结果说明本文建立的EKF与UKF模型能够很好对高动态GPS信号进行跟踪。(本文来源于《中国科技信息》期刊2019年Z1期）
孙宝全,颜冰,姜润翔,张伽伟[4]（2018）在《船舶静态电场跟踪的渐进更新扩展卡尔曼滤波器》一文中研究指出为了实现利用船舶静态电场对船舶进行跟踪的目的,针对传统卡尔曼滤波算法中存在的问题,设计一种新的非线性滤波器。建立船舶的状态空间模型,分析传统卡尔曼滤波算法在船舶跟踪中存在的问题;依据渐进贝叶斯思想,利用连续白噪声与离散白噪声序列噪声协方差之间的关系,设计一种新的渐进更新扩展卡尔曼滤波器。仿真结果表明,该滤波器能有效地抑制由于初始误差较大而造成的滤波性能下降和滤波发散,能够有效地跟踪船舶,具有较高的实用价值。(本文来源于《国防科技大学学报》期刊2018年06期）
刘洁波,黄纯,江亚群,汤涛,谢兴[5]（2018）在《基于强跟踪泰勒-卡尔曼滤波器的动态相量估计算法》一文中研究指出同步相量估计算法是同步相量测量技术的核心,在电力系统动态条件下如何提高算法的测量精度和改善算法的动态性能至关重要。提出基于强跟踪泰勒-卡尔曼滤波器(STKF)的动态相量估计算法。首先在考虑谐波和噪声影响以及电气信号幅值、相位时变特性的基础上,基于动态相量的泰勒级数展开项建立动态电气信号的状态空间模型;然后考虑到基于泰勒-卡尔曼滤波器(TKF)的相量估计算法在递推估计各状态变量时无法快速跟踪系统参数突变的缺陷,引入强跟踪滤波器的思想,根据理论残差和实际残差的失配程度及时自适应性地调整估计协方差矩阵,增强了算法对时变电气信号的跟踪能力。分析含噪声的数值信号及Matlab/Simulink的仿真故障电压信号,结果表明,STKF算法比泰勒-卡尔曼滤波器(TKF)算法具有更好的动态响应性能和更高的测量精度,且稳定性更好。(本文来源于《电工技术学报》期刊2018年02期）
梁晓波[6]（2017）在《基于卡尔曼滤波器的在轨目标跟踪算法研究》一文中研究指出随着人类对太空探索的不断深入,太空逐渐成为了世界大国角力的主战场。对空间的控制和利用已经成为一个国家科学技术水平的象征。对太空中大量在轨目标进行准确且稳定的跟踪是对其进行观测或控制的前提条件。通常使用轨道根数合理外推出在轨目标的位置矢量和速度矢量等状态信息,再依据状态量对在轨目标的观测信息进行解算,并以此引导观测设备进行跟踪。工程应用中,由于轨道根数会随着时间发生蠕变或轨道根数测不准等原因,使轨道外推得到的在轨目标状态量存在一定误差,该误差会导致目标不在视场中心,从而产生脱靶量。经纬仪视场很小,脱靶量的存在会影响跟踪效果,甚至导致丢失跟踪目标。针对该问题,本文重点讨论了针对非合作目标在仅测角条件下的滤波跟踪问题。首先,研究了描述在轨目标运动的时间尺度以及天球坐标系和地球坐标系的转换,并使用SOFA软件库实现了坐标转换算法;其次,提出了一种基于复杂力学模型的滤波算法,该力学模型中考虑到了在轨目标在空间中运动所受到的主要摄动力因素,并对一些摄动力模型进行了简要的阐述,在此基础之上使用数值积分对摄动力方程进行求解,实现了轨道外推算法,将该算法与STK软件中的高精度轨道预报函数的计算结果进行了比较;之后,算法以在轨目标的位置矢量和状态矢量为系统状态量,以目标相对于地基观测站(经纬仪)的高度角和方位角为观测量设计了基于扩展卡尔曼滤波算法和无迹卡尔曼滤波算法的滤波器。最后,使用MATLAB和C搭建了算法的仿真测试平台,以STK软件和部分实测数据为算法输入,研究了不同帧频角度数据和滤波器参数对滤波结果的影响。仿真实验结果表明,本文所研究的在轨目标滤波跟踪系统中,扩展卡尔曼滤波算法与无迹卡尔曼滤波算法都可以通过多组经纬仪测角数据来修正含有误差的轨道根数,无迹卡尔曼滤波算法在鲁棒性、收敛速度和滤波精度上略优于扩展卡尔曼滤波算法,但一定程度上牺牲了算法的运算效率。(本文来源于《中国科学院大学(中国科学院光电技术研究所)》期刊2017-05-01）
赵增基,李骏锋,梁宝生,李一石,史贵林[7]（2016）在《卡尔曼滤波器和跟踪微分器在光电跟踪系统中的应用》一文中研究指出光电跟踪系统通常采用跟踪偏差反馈闭环控制,若同时采用速度前馈复合控制可以有效提高系统跟踪精度,分别使用了卡尔曼滤波器和跟踪微分器两种算法求取跟踪速度信号,通过仿真分析和工程应用,确认卡尔曼滤波器求取的速度信号更准确,噪声更小,更适合于光电跟踪系统的前馈复合控制。(本文来源于《火力与指挥控制》期刊2016年10期）
宁多彪,张兵[8]（2016）在《基于信息矩阵的自适应卡尔曼目标跟踪滤波器》一文中研究指出为了克服线性系统中卡尔曼滤波发散这一问题,提出了一种基于信息矩阵的AKF.首先,通过对AKF滤波方程的等价推导,针对性解决了协方差矩阵的初始值问题,在信息矩阵初值P-10未知(P0一般初始化为0)时,滤波的稳定性和准确性都不受影响.另外,在基于信息矩阵的AKF基础上,为了更好适应实时场景,一种简化AKF算法(SAKF)被提出.仿真结果表明,基于信息矩阵的AKF与传统AKF(基于Sage-Husa的AKF)相比较,在P0未知时,其目标跟踪滤波效果明显优于传统AKF,该滤波算法在运动目标跟踪、航迹描绘等领域都有广泛的应用前景.(本文来源于《西南大学学报(自然科学版)》期刊2016年07期）
杨宏韬,高慧斌,刘鑫[9]（2016）在《基于双重扩展卡尔曼滤波器的共轴跟踪技术研究》一文中研究指出为了解决光电经纬仪由于机动目标运动模型不准确而引起的跟踪精度下降的问题,采用了单隐层前向神经网络(SLFNs)进行建模,提出了基于状态参数双重扩展卡尔曼滤波估计的共轴跟踪控制技术。仿真与实验结果显示,对83.33°sin0.6t的等效正弦目标的速度估计最大误差为0.070 9(°)/s,跟踪精度为2.42′;对旋转周期为4.5 s的光学动态靶标的跟踪精度达到2.96′以内。由此可见,所建立的模型与机动目标实际模型匹配,双重扩展卡尔曼滤波器(DEKF)能快速跟踪和估计状态参数。与传统控制方法相比,提出的方法具有更高的跟踪能力,能有效提高系统的跟踪精度。(本文来源于《红外与激光工程》期刊2016年05期）
郭克友,王艺伟,郭晓丽[10]（2016）在《结合卡尔曼滤波器噪声分析的车道线检测跟踪算法》一文中研究指出使用卡尔曼滤波对视频序列图像中的具体信息进行跟踪的研究目前是跟踪方向的一个热点;但是在处理卡尔曼滤波跟踪过程中的过程噪声和测量噪声,大部分研究普遍采用的是初始赋值;通过不断的调整参数,达到较好的跟踪效果;但是这样做不但没有遵循原始数据的规律,同时调整参数是一项耗时的工作;基于这个原因,提出了一种对卡尔曼滤波的过程噪声和测量噪声进行预估计的方法并将其应用到车道线跟踪过程中;通过对一部分离线数据进行处理,可以基本估计出系统的噪声参数;最后采用车道线跟踪算法对论文中的方法进行验证,实验证明,提出的参数估计方法在车道线的跟踪过程中达到很好的效果,同时处理每帧的时间为50 ms左右,满足了实时性的要求。(本文来源于《计算机测量与控制》期刊2016年05期）
卡尔曼跟踪滤波器论文开题报告
（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Sage-Husa自适应卡尔曼滤波算法易引起发散且对初始条件的选取非常敏感的问题,提出一种自适应强跟踪Sage-Husa滤波算法。该算法从Sage-Husa自适应卡尔曼滤波算法出发,引入强跟踪技术,通过渐消因子在线修正一步预测误差协方差矩阵,使算法具有应对场景变化等不确定情况的能力,增强算法的鲁棒性;通过改进Sage-Husa自适应算法对噪声方差阵进行实时在线估计,使算法具有应对噪声变化的自适应能力,保证较好的跟踪精度。仿真结果表明,所提出的滤波算法能够有效提高载波环路的跟踪精度和鲁棒性。
（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。
卡尔曼跟踪滤波器论文参考文献
[1].王福军,丁小燕,王前,白英广.自适应强跟踪卡尔曼滤波器载波环设计[J].火力与指挥控制.2019
[2].王福军,丁小燕,王前,白英广.自适应强跟踪Sage-Husa卡尔曼滤波器载波环设计[J].电光与控制.2019
[3].黄伟斌,惠力.卡尔曼滤波器在GPS信号跟踪中的应用[J].中国科技信息.2019
[4].孙宝全,颜冰,姜润翔,张伽伟.船舶静态电场跟踪的渐进更新扩展卡尔曼滤波器[J].国防科技大学学报.2018
[5].刘洁波,黄纯,江亚群,汤涛,谢兴.基于强跟踪泰勒-卡尔曼滤波器的动态相量估计算法[J].电工技术学报.2018
[6].梁晓波.基于卡尔曼滤波器的在轨目标跟踪算法研究[D].中国科学院大学(中国科学院光电技术研究所).2017
[7].赵增基,李骏锋,梁宝生,李一石,史贵林.卡尔曼滤波器和跟踪微分器在光电跟踪系统中的应用[J].火力与指挥控制.2016
[8].宁多彪,张兵.基于信息矩阵的自适应卡尔曼目标跟踪滤波器[J].西南大学学报(自然科学版).2016
[9].杨宏韬,高慧斌,刘鑫.基于双重扩展卡尔曼滤波器的共轴跟踪技术研究[J].红外与激光工程.2016
[10].郭克友,王艺伟,郭晓丽.结合卡尔曼滤波器噪声分析的车道线检测跟踪算法[J].计算机测量与控制.2016
论文知识图
