导读:本文包含了联合卡尔曼滤波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,信道,参数,缩微,译码,正交,激光器。
联合卡尔曼滤波论文文献综述
刘琨,黄冠华[1]（2019）在《基于集合卡尔曼滤波法的二维土壤水流状态变量和参数联合估计》一文中研究指出集合卡尔曼滤波方法(EnKF)显式地考虑了模型输入、输出以及模型结构等因素的不确定性,近年来被广泛应用于水文模型参数估计研究中。本文基于EnKF方法开展二维土壤水流运动模型状态变量和参数联合估计研究,设计数值实验探究了在线源入渗条件下EnKF方法对粉壤土、壤土和砂壤土的饱和导水率和进气值参数的估计以及压力水头的同化效果,分析了观测点布置方式和观测点数量对同化效果的影响。研究结果表明,粉壤土条件下观测点垂向布置方式更好;壤土和砂壤土条件下,在0～30cm深土壤中水平向布置观测点可以得到较好的参数估计值。观测点水平向布置时应尽量靠近地表,同化系统可以有效地利用观测信息更新状态向量,参数更快地收敛于真值,但压力水头的同化效果仅限于一定深度的土壤。增加观测点数量可以有效地减小参数估计偏差,进而提高土壤剖面压力水头的预测精度。(本文来源于《水利学报》期刊2019年03期）
章青青,张平,卢瑾,任宏亮,郭淑琴[2]（2018）在《相干光正交频分复用系统中射频导频和扩展卡尔曼滤波联合的相位噪声补偿算法》一文中研究指出针对大线宽和高阶圆形正交幅度调制(C-QAM)的相干光正交频分复用(CO-OFDM)系统,提出一种基于射频导频(RF-Pilot)和时域扩展卡尔曼滤波相结合的相位噪声补偿算法。该算法通过在接收端预设的RF-Pilot进行时域相位噪声粗补偿,并进行信道估计和均衡。再对信道均衡后的频域数据进行预判决,结合判决后的时域数据和信道均衡后的时域数据,进行扩展卡尔曼滤波,实现相位噪声的最终补偿。基于传输速率为50Gb·s~(-1)和传输距离为100km的CO-OFDM系统在C-16QAM和C-32QAM两种调制格式下进行了算法的仿真验证。仿真结果表明,该算法相较于原RF-Pilot算法,具有较好的相位噪声补偿效果,且频谱利用率并未显着降低,算法复杂度并未显着增加。激光器线宽为2.1MHz,且使用C-32QAM时,该相位噪声算法补偿的误码性能可达到前向纠错上限,从理论上证明使用该算法可提高CO-OFDM系统对激光器线宽的容忍度,线宽较宽的廉价分布式反馈激光器可作为CO-OFDM系统的发射端光源和接收端本地振荡。该算法能扩展大线宽CO-OFDM系统在长距离接入网和城域网中的应用。(本文来源于《光学学报》期刊2018年09期）
樊泽园,董昱[3]（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）
彭勇,陈俞强[4]（2018）在《基于改进卡尔曼滤波的北斗GPS联合定位算法》一文中研究指出在观测条件较差的情况下,单系统卫星可见性不佳,导航定位精度降低甚至无法定位,组合卫星导航系统增加了可见卫星数,可以改善定位结果。本文对BD2/GPS组合定位算法进行了研究,建立了联合差分定位系统在初始化阶段和解算阶段的数学模型,并将平方根平淡卡尔曼滤波算法应用于建立的联合差分定位系统,实验结果表明,该算法有效提高了卫星定位精度和稳定性。(本文来源于《计算技术与自动化》期刊2018年02期）
张玉雪,朱焱,杨金忠[5]（2018）在《基于集合卡尔曼滤波的灌域尺度地下水多参数联合反演》一文中研究指出【目的】进行灌域尺度的地下水多参数联合反演。【方法】利用集合卡尔曼滤波(En KF)方法,基于二维潜水运动模型SWF2D,构建了地下水多参数联合反演模型SWF2D_DA。以内蒙古河套灌区永济灌域为研究对象对地下水参数进行了反演分析,该地区地下水运动共涉及8个参数,分别为给水度Sy,降雨入渗补给系数aP,两阶段的灌溉入渗补给系数aI1、aI2,两阶段的潜水蒸发参数aA1、aA2和两阶段的潜水蒸发极限埋深aS1、aS2,采用SWF2D_DA模型分别反演了2待定参数情况和8待定参数情况。【结果】模型对2参数反演平均相对误差MRE为0.124%,均方根误差RMSE为0.002 663,8参数反演MRE为0.376%,RMSE为0.003 283,反演结果均满足精度要求,同时反演8参数会增加得到理想参数所需的同化步。同时,还设置5种观测误差方差,分别为0.01、0.000 1、0.002 5、0.1、0.64 m2,讨论了不同观测误差方差对反演结果的影响。当观测误差方差大于0.1 m2时,随着观测误差增大,MRE、RMSE、Spread增长较快,即观测误差过大会影响数据同化的反演精度;当观测误差方差在0.000 1~0.01 m2之间时,随着观测误差减小,MRE、RMSE并无显着变化,即观测误差达到一定精度时,即使观测误差减小,模型也不能得到精度更高的解,反而增加了观测成本。【结论】模型SWF2D_DA可以实现大尺度复杂地区的多参数联合反演,且待求参数越少,得到可靠的结果所需同化步越少;增加参数个数,需增加同化步。在目前的观测条件下,在观测误差方差为0.01 m2、相对于地下水位最大变幅的相对观测误差在4.4%以内的情况下,反演得到的地下水参数可满足精度要求,同时观测成本较低。(本文来源于《灌溉排水学报》期刊2018年05期）
廖勇,沈轩帆,代学武,周昕,王丹[6]（2018）在《基于扩展卡尔曼滤波的联合迭代检测译码信道估计方法》一文中研究指出针对高速移动场景下信道快衰落、非平稳等特性导致下行链路信道估计性能受限的问题,提出了一种适用于高速移动环境下行链路的信道估计方法.采用自回归过程对信道建模,构造自反馈的扩展卡尔曼滤波器(Extended Kalman Filter,EKF)追踪信道响应及其时域相关系数.为了解决EKF自反馈结构引起的误差传播问题,采用了迭代检测译码的接收机结构,以利用信道编码的冗余提升EKF的信道估计精度.仿真分析表明,在高速移动环境下所提方法相较于最小二乘估计和线性最小均方误差估计等传统方法提升了信道估计的均方误差和系统的误码率性能,可应用于高速列车无线通信设备的接收机基带信号处理系统.(本文来源于《电子学报》期刊2018年03期）
袁继耀,王彦,喻雨薇[7]（2018）在《OFDM系统中联合卡尔曼滤波与导频符号的快变信道估计算法》一文中研究指出在移动通信系统中,随着信道时延扩展及多径数目的不断增加,导致在快变信道的估计中,需要估计的基扩展系数大量增加。因此,需要插入更多的导频符号来估计基扩展系数,这将会严重降低频谱利用率。为有效降低导频符号的使用量,我们首先从频域方向插入离散的导频符号,然后利用一种基于卡尔曼滤波器的循环迭代算法,估计出各导频符号间的数据符号作为虚导频。该算法相比连续的梳状导频估计方法,能够有效地降低导频符号的使用量,大大提高频谱利用率。(本文来源于《信息通信》期刊2018年01期）
林文辉[8]（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）
魏二虎,汤深权,刘建栋,董翠军[9]（2017）在《基于联邦卡尔曼滤波的月球车联合定位方法》一文中研究指出针对月球车定位,设计和推导了一种基于甚长基线干涉测量(very long baseline interferometry,VLBI)和天文导航系统(celestial navigation system,CNS)相结合的月球车联合定位方法,并采用联邦卡尔曼滤波来实现位置信息的最优估计以增强系统的可靠性和容错能力。最后,通过嫦娥-3号(CE-3)实测数据的解算证明了该方法较使用最小二乘法进行联合解算和单独采用VLBI方法定位,可以获得更高的月球车定位精度。同时,也有效地保障了月球车定位的可靠性和稳定性。(本文来源于《武汉大学学报(信息科学版)》期刊2017年10期）
高思伟[10]（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）
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：
针对大线宽和高阶圆形正交幅度调制(C-QAM)的相干光正交频分复用(CO-OFDM)系统,提出一种基于射频导频(RF-Pilot)和时域扩展卡尔曼滤波相结合的相位噪声补偿算法。该算法通过在接收端预设的RF-Pilot进行时域相位噪声粗补偿,并进行信道估计和均衡。再对信道均衡后的频域数据进行预判决,结合判决后的时域数据和信道均衡后的时域数据,进行扩展卡尔曼滤波,实现相位噪声的最终补偿。基于传输速率为50Gb·s~(-1)和传输距离为100km的CO-OFDM系统在C-16QAM和C-32QAM两种调制格式下进行了算法的仿真验证。仿真结果表明,该算法相较于原RF-Pilot算法,具有较好的相位噪声补偿效果,且频谱利用率并未显着降低,算法复杂度并未显着增加。激光器线宽为2.1MHz,且使用C-32QAM时,该相位噪声算法补偿的误码性能可达到前向纠错上限,从理论上证明使用该算法可提高CO-OFDM系统对激光器线宽的容忍度,线宽较宽的廉价分布式反馈激光器可作为CO-OFDM系统的发射端光源和接收端本地振荡。该算法能扩展大线宽CO-OFDM系统在长距离接入网和城域网中的应用。
（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。
联合卡尔曼滤波论文参考文献
[1].刘琨,黄冠华.基于集合卡尔曼滤波法的二维土壤水流状态变量和参数联合估计[J].水利学报.2019
[2].章青青,张平,卢瑾,任宏亮,郭淑琴.相干光正交频分复用系统中射频导频和扩展卡尔曼滤波联合的相位噪声补偿算法[J].光学学报.2018
[3].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
[4].彭勇,陈俞强.基于改进卡尔曼滤波的北斗GPS联合定位算法[J].计算技术与自动化.2018
[5].张玉雪,朱焱,杨金忠.基于集合卡尔曼滤波的灌域尺度地下水多参数联合反演[J].灌溉排水学报.2018
[6].廖勇,沈轩帆,代学武,周昕,王丹.基于扩展卡尔曼滤波的联合迭代检测译码信道估计方法[J].电子学报.2018
[7].袁继耀,王彦,喻雨薇.OFDM系统中联合卡尔曼滤波与导频符号的快变信道估计算法[J].信息通信.2018
[8].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
[9].魏二虎,汤深权,刘建栋,董翠军.基于联邦卡尔曼滤波的月球车联合定位方法[J].武汉大学学报(信息科学版).2017
[10].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
论文知识图
