导读:本文包含了自适应联合卡尔曼滤波论文开题报告文献综述及选题提纲参考文献，主要关键词:信息融合,联合卡尔曼滤波,模糊综合评判,列车测速测距
自适应联合卡尔曼滤波论文文献综述
樊泽园,董昱[1]（2018）在《基于模糊自适应联合卡尔曼滤波算法的列车测速测距信息融合（英文）》一文中研究指出高速列车的测速定位精度直接影响着列控系统的控制精度和行车效率,为了提高列车自主控车能力,本文以GPS辅助速度传感器、雷达进行组合测速定位,以提高测速定位精度并减少对地面设备的依赖。针对卡尔曼滤波在统计特征变化时滤波精度下降的问题,运用模糊综合评判方法对子滤波器进行评价,根据滤波置信度动态调整信息分配系数,提高该系统的融合精度和容错性;当子滤波器处于次优状态则进行协方差成形自适应滤波,依据最小化代价函数获得误差协方差的调节因子,来提高实测残差方差和系统递推残差的匹配度,增强滤波精度。仿真结果表明,本文提出的改进滤波算法能够有效跟踪系统变化情况、明显增强滤波精度及提高测速定位精度。(本文来源于《Journal of Measurement Science and Instrumentation》期刊2018年03期）
林文辉[2]（2018）在《基于卡尔曼滤波的L1/L2C双频联合高灵敏度自适应跟踪算法研究》一文中研究指出全球卫星导航系统(GNSS,Global Navigation Satellite System)是目前室外定位最为广泛应用的一种方案。而在城市等复杂环境下,GNSS信号经常由于遮挡等原因发生大幅度的衰减,这对导航接收机跟踪环路的稳定性和灵敏度提出了很高的要求。由于跟踪环路的性能与信号强度和动态性等因素密切相关,因此接收机通常需要采用多种不同方案来应对各类信号条件,自适应跟踪环路正是在这种需求下设计的。本文对信号跟踪环路的环路滤波器、鉴别器、载噪比估计等模块进行了详细的理论分析,在此基础上设计了若干种套跟踪环路参数,并根据对环路状态的监测随时切换。经测试,本文提出的环路架构能显着提高环路的稳定性,并且跟踪灵敏度可达10dB?Hz以上。同时,对于L1 C/A和L2C双频信号,本文设计了两种环路架构。在强信号条件下,利用卡尔曼滤波器联合两个频点观测量进行信号参数和电离层延时的估计,有效地提升了跟踪精度;而在弱信号条件下,利用L2C中的导频信号进行长时间的相干积分,有效地提升了跟踪灵敏度。(本文来源于《上海交通大学》期刊2018-01-01）
高思伟[3]（2017）在《基于联合自适应卡尔曼滤波的缩微车目标检测系统设计与实现》一文中研究指出车辆的目标检测主要是通过车载传感器对局部环境感知来实现,其中最重要的部分是估计车辆前方目标的运动状况。车辆行驶过程中对前方目标运动状态的估计是智能车辅助驾驶系统中的重要研究课题,其主要包括实时测量搭载传感器的实验车与前方目标的相对横纵向速度、相对横纵向加速度和相对位置等状态变量。传统的单传感器目标检测只能根据传感器的特性获取某一方面的数据,而多传感器可以为缩微车提供更加完整的数据信息。因此可以将自适应卡尔曼滤波模型和联合卡尔曼滤波模型做出融合,达到了避免单传感器信息采集盲区的问题并且提高了滤波器系统稳定性的目的,最终达到提高多数据源信息融合的质量目的,为进一步的判断和决策提供了良好的基础。另一方面采用缩微车技术可以降低实验成本、降低实验风险、提高系统维护性并且提供了模拟大规模车辆的功能,这些特点使得缩微车成为了智能交通实验的良好载体。本文以场景中的缩微车为基础,即每个车辆都可以获得一定范围内的其他车辆和障碍物的状态信息,通过以下两个方面对该系统进行设计与实现:(1)实现对缩微车前方目标检测:缩微车在行驶过程中通过摄像头、雷达和车载光电编码器不断采集车辆前方的局部交通情况,然后通过mini2440处理器对来自不同传感器的信息进行集中处理。在mini2440中将进行如下算法:采用基于HOG+SVM行人识别提取图像数据的行人目标、采用区域分割法提取雷达数据的目标运动信息以及通过光电编码器获取车辆自身车速。最后经过处理的信息将发送到服务器端并进行数据融合完成局部交通环境的显示。(2)实现多传感器数据融合:基于新息自适应卡尔曼滤波,提出了一种多传感器联合滤波的方法来提高估计前方行驶车辆的运动状态的精度。该滤波方式以激光雷达和毫米波雷达作为局部滤波器,通过自适应过程实时调整局部滤波器的测量噪声协方差和系统噪声协方差,并利用测量噪声协方差计算出联合滤波中各局部滤波器的信息分配因子,最后根据信息分配因子来完成最优信息融合并将全局滤波结果反馈到各局部滤波器。联合卡尔曼滤波可以结合多种传感器的测量优势,使每次得到的滤波结果是各个局部滤波器中最优的,并且利用反馈机制提高了测量精度。根据实验结果可知,本文提出的缩微车目标检测系统的功能正确完善,可以达到实时监控局部交通环境的目的。同时联合自适应卡尔曼滤波方式有良好的环境适应能力和系统容错率,当一个传感器的滤波性能出现异常时,该系统的滤波结果并未产生异常。在整个实验过程中,该方法相较于标准卡尔曼滤波和单传感器的新息自适应滤波具有最高的测量精度。(本文来源于《吉林大学》期刊2017-05-01）
孙永荣,吴玲,赵伟,刘建业[4]（2009）在《多星座组合导航自适应联合卡尔曼滤波算法研究》一文中研究指出针对多星座卫星组合导航,提出了一种自适应联合卡尔曼滤波算法,采用描述机动载体运动的"当前"统计模型,直接从各卫星导航系统接收机输出的定位信息入手,将各种误差因素的影响等效为一个总误差,建立一种动态定位的自适应卡尔曼滤波模型。为了进一步提高滤波器的动态性能,通过引入调整系数、加权因子和自适应调节量对自适应滤波算法进行了改进,并分别对GPS、GLONASS和GALILEO系统设计了自适应子滤波器,然后采用联合滤波算法对各个子滤波器进行数据融合处理,最后对GPS/GLONASS/GALILEO组合导航系统进行了仿真验证,结果表明,该算法增强了滤波器的跟踪能力,改善了滤波效果,提高了定位精度。(本文来源于《宇航学报》期刊2009年05期）
房建成,申功勋,万德钧[5]（1999）在《车载GPS/DR/地图匹配组合导航系统的自适应联合卡尔曼滤波模型》一文中研究指出首次设计了实现车载 Ｇ Ｐ Ｓ／ Ｄ Ｒ／地图匹配组合导航系统最优综合的联合卡尔曼滤波器，给出了滤波算法，并提出一种自适应联合卡尔曼滤波器结构及其算法。理论分析及计算机仿真结果均表明，应用该自适应联合卡尔曼滤波器可大大提高车载 Ｇ Ｐ Ｓ／ Ｄ Ｒ／地图匹配组合导航系统的定位精度及容错能力。(本文来源于《控制与决策》期刊1999年05期）
自适应联合卡尔曼滤波论文开题报告
（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：
全球卫星导航系统(GNSS,Global Navigation Satellite System)是目前室外定位最为广泛应用的一种方案。而在城市等复杂环境下,GNSS信号经常由于遮挡等原因发生大幅度的衰减,这对导航接收机跟踪环路的稳定性和灵敏度提出了很高的要求。由于跟踪环路的性能与信号强度和动态性等因素密切相关,因此接收机通常需要采用多种不同方案来应对各类信号条件,自适应跟踪环路正是在这种需求下设计的。本文对信号跟踪环路的环路滤波器、鉴别器、载噪比估计等模块进行了详细的理论分析,在此基础上设计了若干种套跟踪环路参数,并根据对环路状态的监测随时切换。经测试,本文提出的环路架构能显着提高环路的稳定性,并且跟踪灵敏度可达10dB?Hz以上。同时,对于L1 C/A和L2C双频信号,本文设计了两种环路架构。在强信号条件下,利用卡尔曼滤波器联合两个频点观测量进行信号参数和电离层延时的估计,有效地提升了跟踪精度;而在弱信号条件下,利用L2C中的导频信号进行长时间的相干积分,有效地提升了跟踪灵敏度。
（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。
自适应联合卡尔曼滤波论文参考文献
[1].樊泽园,董昱.基于模糊自适应联合卡尔曼滤波算法的列车测速测距信息融合（英文）[J].JournalofMeasurementScienceandInstrumentation.2018
[2].林文辉.基于卡尔曼滤波的L1/L2C双频联合高灵敏度自适应跟踪算法研究[D].上海交通大学.2018
[3].高思伟.基于联合自适应卡尔曼滤波的缩微车目标检测系统设计与实现[D].吉林大学.2017
[4].孙永荣,吴玲,赵伟,刘建业.多星座组合导航自适应联合卡尔曼滤波算法研究[J].宇航学报.2009
[5].房建成,申功勋,万德钧.车载GPS/DR/地图匹配组合导航系统的自适应联合卡尔曼滤波模型[J].控制与决策.1999