简介：跟踪系统采用光电经纬仪工作模式，采用Kalman预测滤波技术对计算机接受到的传感器数据（包括电机编码器反馈信号、电视脱靶量信号）进行滤波预测，提供准确的位置、速度信息，进行有效预测外推，可以有效提高跟踪系统对机动目标的跟踪性能，实现对目标的稳定跟踪。

简介：以SINSiGPS组合导航系统为背景，在对Kalman滤波原理和工程应用进行深入分析的基础上，总结了该方法的不足，提出了应用神经网络和模糊推理技术对系统噪声、观测噪声和其相关阵进行直接调控的方法。该方法根据新息和新息方差的变化，实时调整自适应因子，间接改变Kalman滤波器的当前观测量和过去信息的比例关系。仿真结果表明，该算法对模型和噪声干扰有较强的自适应性，能够有效抑制滤波发散，在不损失原有精度的前提下，提高了系统的鲁棒性。

简介：车道线检测是智能驾驶系统的重要组成部分,它提供了车辆与车道位置关系的信息.针对智能车辆驾驶系统在视觉导航过程中车道线检测的精确性和鲁棒性的问题,提出一种有效的车道线检测方法.首先对原始RGB图像分别进行感兴趣区域设定、逆透视变换、灰度化和阈值处理;然后进行霍夫变换处理,利用斜率和中心点位置筛选检测结果;最后利用卡尔曼滤波对检测到的线段进行跟踪,预测当前车道线位置.实验结果表明,该算法能够有效解决图像中车道线不清晰以及一些干扰遮挡的问题,车道线检测准确率可达94%,具有较好的准确性、鲁棒性和较低的计算复杂度,有利于实时性检测系统的构建.

简介：地下采煤引起的地表沉陷是一个时间和空间的过程，据此提出了观测站动态数据处理模型Kalman滤波和自适应Kalman滤波，通过实例验证了自适应Kalman滤波比普通Kalman滤波在观测站数据滤波和预测中具有优越性。

简介：为了提高捷联惯导系统的对准精度和收敛速度，提出了一种基于Sage-Husa自适应滤波算法的初始对准方法。针对方位小失准角的情况，推导出精对准误差模型和自适应Kalman滤波方程。常规Kalman滤波算法，在噪声统计特性已知的情况下，使用比较方便；多数情况下，噪声统计特性是处于未知状态，从而引入自适应Kalman滤波算法。它利用观测到的数据自动进行噪声统计特性的在线估计和修正，使系统达到最佳的滤波效果。通过仿真验证，该自适应滤波算法有效地提高了收敛速度和对准精度。

简介：针对传统基于g信息的粗对准的捷联惯导系统中,受传感器噪声的影响,存在效视运动无法提取和双向量共线的缺点,提出了一种基于改良Kalman滤波的参数辨识粗对准方法。该方法通过构建视在重力在初始载体系中的映射模型,利用改良Kalman滤波进行模型参数辨识,然后通过识别参数重新构建视在重力在初始载体系中的映射,解决了由于传感器噪声导致有效视运动无法正常提取的缺点。利用识别参数具有随估计次数增多得到优化的特点,构造初始时刻和最终时刻向量,避免双向量共线问题。利用改良Kalman滤波算法的自适应特点,优化参数识别精度与速度。转台实验表明,采用改良Kalman滤波方法航向对准精度为-0.0414°,标准差为0.041°,而传统RLS方法得到的航向精度为-0.0738°,标准差为0.128°。由此可知,本文提出的方法性能更优。

简介：全球定位系统（GPS）的应用越来越广泛，尤其是高精度的星载原子钟使得授时的精度得到了很大的提高。针对GPS授时过程中接收机受到各种噪声的影响，利用Kalman滤波原理，建立状态方程和观测方程，对噪声进行分类并加以讨论。运用Kalman滤波原理对接收机钟差数据进行分析，计算结果表明Kalman滤波可提高GPS单向授时精度。

简介：

简介：针对用于快速传递对准的卡尔曼滤波器阶数高，计算量大，滤波更新率低，鲁棒性差及对准精度不高等问题，提出采用联合强跟踪Kalman滤波器进行快速传递对准。文中设计了联合强跟踪Kalman滤波器的结构和算法，同时利用改进的Elman网络进行信息分配系数的自适应调节，以实现融合信息在各子系统中的自适应分配。仿真结果表明，该滤波器不仅提高了解算速度，而且提高了系统鲁棒性和对准精度。

简介：一般的Kalman滤波器要求有准确的动态和统计模型，而低成本的MEMS-IMU性能随着温度急剧变化，故在MEMS-IMU／GPS组合导航系统中使用一般的Kalman滤波器存在很多的局限性。针对低成本的MEMS-IMU／GPS组合导航系统，提出了多模态自适应滤波算法在MEMS-IMU／GPS组合导航系统中的应用；针对普通的多模态算法中的问题，采用修正的多模态自适应滤波算法来提高MEMS-IMU／GPS组合导航系统的性能。使用静态实时测试数据，验证了所提出的算法。测试结果表明，与普通Kalman滤波器相比，修正的多模态滤波算法提高了MEMS-IMU／GPS组合导航系统的性能；采用所提出的算法，MEMS-IMU／GPS组合导航系统的短时间静态位置精度小于5m（标准差），速度精度小于0．1m／s（标准差），姿态角精度小于0．5°（标准差）。

简介：基于Krein空间的鲁棒Kalman滤波器与通过其它方法建立的鲁棒Kalman滤波器相比有较高稳态精度。文中将基于Krein空间的鲁棒Kalman滤波方法用于导弹捷联惯导系统动基座传递对准，并与标准Kalman滤波进行了比较。仿真结果表明，在垂直比力参数存在摄动的情况下，如果基于Krein空间的鲁棒Kalman滤波器的参数选取适当，它的精度鲁棒性优于标准Kalman滤波。

简介：借助基于二阶高斯-马尔可夫异常位模型的重力异常协方差函数，得到了海洋重力测量中重力异常信号的状态方程．结合实际重力仪的系统状态方程和系统量测方程，提出了级联卡尔曼滤波方法，并将其应用于重力异常畸变信号的校正处理中．在信号处理过程中，首先采用卡尔曼逆滤波恢复含高频干扰的重力异常，然后采用自适应卡尔曼滤波，以重力异常状态方程为系统方程估计实际重力异常值，并与单一卡尔曼逆滤波器的处理结果进行了对比分析．仿真和试验表明，级联卡尔曼滤波方法和单一卡尔曼逆滤波都能在一定程度上减小重力异常信号的畸变，但在相同背景条件下，级联卡尔曼滤波方法的性能优于单一逆卡尔曼滤波．

简介：Recentlytherehavebeenresearchesaboutnewefficientnonlinearfilteringtechniques[1]~[3]inwhichthenonlinearfiltersgeneralizeelegantlytononlinearsystemswithouttheburdensomelinearizationsteps.Thus,truncationerrorsduetolinearizationcanbecompensated.ThesefiltersincludetheunscentedKalmanfilter(UKF),thecentraldifferencefilter(CDF)andthedivideddifferencefilter(DDF),andtheyarealsocalledSigmaPointFilters(SPFs)inaunifiedway[4].Forhigherorderapproximationofthenonlinearfunction.ItoandXiong[6]introducedanalgorithmcalledtheGaussHermiteFilter,whichisrevisitedin[5].TheGaussHermiteFiltergivesbetterapproximationattheexpenseofhighercomputationburden,althoughit’slessthantheparticlefilter.TheGaussHermiteFilterisusedasintroducedin[5]withadditionalpruningstepbyaddingthresholdfortheweightstoreducethequadraturepoints.

简介：AnewmethodofunscentedextendedKalmanfilter(UEKF)fornonlinearsystemispresented.ThisnewmethodisacombinationoftheunscentedtransformationandtheextendedKalmanfilter(EKF).TheextendedKalmanfilterissimilartothatinaconventionalEKF.However,ineveryrunningstepoftheEKFtheunscentedtransformationisrunning,thedeterministicsampleiscaughtbyunscentedtransformation,thenposteriormeanofnonlinearityiscaughtbypropagating,buttheposteriorcovarianceofnonlinearityiscaughtbylinearizing.TheaccuracyofnewmethodisalittlebetterthanthatoftheunscentedKalmanfilter(UKF),however,thecomputationaltimeoftheUEKFismuchlessthanthatoftheUKF.

简介：一个新估计方法被建议，它利用unscentedtransform方法，因此，真平均数和协变性更精确地被接近。没有为EKF必要的linearization进程，新方法能被用于非线性的系统，并且它不要求噪音的Gaussian分布并且什么“s更多的，它实现和更精确的评价特征的容易使它能在卫星轨道模拟的实验表明它的好性能。数字实验证明unscentedKalman过滤器的申请比EKF更有效。

简介：摘要本设计以滤波器芯片为核心、采用Atmega16单片机控制XC2S100EFPGA输出时钟频率，实现对滤波器截止频率的控制。通过Atmega16单片机控制模拟开关，可设置滤波器为高通滤波器或低通滤波器形式。系统采用了高阶开关电容滤波器，其截止频率范围为0.1Hz~50kHz，满足了截止频率fc在1kHz～20kHz范围内可调，步进为1kHz。在滤波器信号输入端采用模拟开关和AD624仪表放大电路组合。采用FPGA控制，调节放大器的增益，放大器最大电压增益为60dB，增益调节步进为10dB，电压增益误差不大于5%。

简介：数字滤波是数字信号处理技术的重要组成部分之一。本文概述了数字滤波技术的发展,分析了该技术的特点,并介绍和着重分析了几种常用的数字滤波的方法。

简介：SeveralfiltertechniqueswereavailablefortheGPSpositionestimationproblemofmaneuveringvehiclerangingfromusingdifferentprocessnoisestoInteractiveMultipleModel(IMM).ThelimitationofusingstandardKalmanfiltersislisted.Theperformanceofproposedadaptivefilteriscomparedwiththatofthestandardones,twotypesofdynamicmodelingofthemaneuveringvehicleareused.ThesimulationisbasedonthealmanacdataoftheGPSsatellitestocomputeitsfeasibilityduringthesimulationtimeandpositiononshape8trackwithcontinuousvehiclemaneuvering.Thegoalistoobtaincomputationallyefficientfilterwithreasonableaccuracyforvehicleinmaneuveringsituation.ThefilterproposedisanalternativetothefilterproposedinRef.[1]withlowcomputationalburden.

简介：ThispapermakesaprobeintotheapplicationoftheKalmanfilteringmethodtothedataprocessingofacross-faultmeasurements.Onthebasisofstatisticalregression,themathematicandstochasticmodelsoffiltrationareestablishedbycombiningtheregressionmethodwithKalmanfiltering.Inthefilteringcomputation,notonlytherandomnessoffaultmovementsbutalsothetime-dependentvariationofenvironmentaleffectshavebeentakenintoconsideration.Byuseoftheadaptivefilteringmethod,anestimationofthedynamicnoisevariancematrixisobtainedthroughiteration.Modelsforonemeasuringline(levelinglineorbaseline),twomeasuringlines(bothlevelinglinesorbothbaselines)andfourmeasuringlines(twolevelinglinesandtwobaselines)arederivedandestablishedsystematically.Bymeansofthesemodels,thedataofacross-faultmeasurementscanbeprocesseddynamicallyinreal-timetoprovidethefilteredvaluesofheightdifferencebetweenbenchmarksorbaselinelengthatdifferenttimein

简介：摘要