精华内容
下载资源
问答
  • 这是一份matlab实现的自适应卡尔曼滤波器的代码,自适应卡尔曼的用途很广,这是一个代码包。
  • 基于FPGA实现的自适应卡尔曼滤波器的设计方法及原理
  • 该方法通过监视理论残差和实际残差的协方差一致程度,应用模糊系统不断调整滤波器的增益系数,对卡尔曼滤波器进行在线自适应控制,最终实现最优估计。通过对INS/GPS组合导航系统的计算机仿真,结果表明该方法是有效...
  • 由于人工神经网络具有较强的学习能力、自适应能力、复杂映射能力等智能处理能力,使得其在各个领域都有较广泛的应用。...本文将自适应卡尔曼滤波应用于神经网络方法中,提高了滤波精度和神经网络的收敛速度。
  • 基于加窗和随机加权的自适应无味卡尔曼滤波器
  • 卡尔曼滤波器自适应滤波器设计,线性预测滤波器,Lattice滤波器。全部设计程序
  • 鲁棒自适应Cubature卡尔曼滤波器及其在超紧耦合SINS-GPS导航系统中的应用
  • 针对标准的容积卡尔曼滤波器(CKF) 设计需要精确已知噪声先验统计知识的问题, 提出一种自适应CKF 算法. 该算法在滤波过程中, 利用Sage-Husa 极大后验估值器对噪声的统计特性进行在线估计和修正, 有效地提高了CKF 的...
  • 基于自适应无味卡尔曼滤波器的控制器,用于同时避开障碍参数和跟踪未知滑动参数的轮式移动机器人
  • 针对一类观测噪声统计特性未知的离散时间系统设计一种多模型自适应卡尔曼滤波器。基于多个不同的固定观测噪声协方差阵建立多个固定模型卡尔曼滤波器,将多个固定模型卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同...
  • 针对具有网络传输延时和噪声的多车辆系统的编队问题,提出了一种基于自适应卡尔曼滤波器的协作路径跟踪控制方法.根据车辆运动学模型和给定队形及其路径参数,给出车辆协作路径跟踪控制器设计方法,将系统线性化,针对...
  • 针对常规自适应卡尔曼滤波器存在过渡过程差的间题,基于一个给定的指标切换函数,采用多个基于不同动态噪声协方差矩阵的卡尔曼滤波器和一个常规自适应卡尔曼滤波器共同组成多模型自适应卡尔曼滤波器.与常规自适应...
  • 用于跟踪机动车辆的自适应鲁棒无味卡尔曼滤波器
  • 位置和方向系统的自适应强跟踪卡尔曼滤波器
  • 自适应卡尔曼滤波 函数 程序

    热门讨论 2012-06-03 13:02:52
    该源码有很好的仿真效果 是基于自适应卡尔曼滤波器编写的程序代码
  • 相对航天器姿态和位置估计的自适应迭代扩展卡尔曼滤波器
  • 一种新的自适应鲁棒无味卡尔曼滤波器,用于提高目标跟踪的精度
  • 针对卡尔曼滤波(KF)中噪声的统计特性与实际不符时滤波精度严重降低甚至引起滤波器发散的问题,提出一种基于支持向量机的自适应卡尔曼滤波算法(SVMAKF).根据新息理论方差与实际方差的比值,应用支持向量机产生自适应...
  • 对惯性导航系统(INS)与全球导航系统(GPS)分别进行了具体探讨,对比了两者的优缺点,针对INS/GPS组合导航系统中由于模型不准或因量测噪声的复杂多变造成的发散问题,引入了一种基于输出相关法的自适应卡尔曼滤波技术。...
  • 基于NGMIMU九加速度计配置方案,利用自适应卡尔曼滤波方法进行NGMIMU/GPS组合导航系统设计。滤波算法对滤波预测残差的大小进行判断,利用极大后验估计器推算出动态噪声和观测噪声的统计特性,克服了系统噪声统计特性...
  • 一种新的自适应高阶无味卡尔曼滤波器,用于提高目标跟踪的准确性和鲁棒性
  • 扩展卡尔曼滤波器中的噪声协方差自适应Q学习
  • 自动驾驶-自适应卡尔曼滤波AKF

    千次阅读 多人点赞 2019-10-04 20:30:46
    自适应卡尔曼滤波(adaptive kalman filter)是指利用观测数据校验预测值完成更新的同时,判断系统本身特性是否发生动态变化,从而对模型参数和噪声特性进行估计和修正,以改进滤波设计、缩小滤波的实际误差。...

    自适应卡尔曼滤波(adaptive kalman filter)是指利用观测数据校验预测值完成更新的同时,判断系统本身特性是否发生动态变化,从而对模型参数和噪声特性进行估计和修正,以改进滤波设计、缩小滤波的实际误差。

    KF

    在这里插入图片描述
    通过kalman理论认知,已知其预测更新的精度和准确性的保证都是基于协方差,通过设计的状态更新矩阵及伴随预测误差Q得到预测状态量和协方差x’,P’,从而基于观测值及伴随的观测误差R,对预测值进行矫正完成更新。

    关于kalman滤波的解释说明,可以详见我的另一篇博客,这边主要说说AKF的区别。

    想象一下这样一个场景,用radar和摄像头进行目标检测。由于场景变换,比如突然的光照变化,路面剧烈抖动,上下坡等原因,导致传感器的检测精度受到影响,由于kalman更新依赖测量精度R和预测精度Q,那么如果检测值出现偏差,而测量精度却没有任何变化,那么这个校验结果也必然不合理。

    为了应对类似的问题,就引入了AKF,通过一些参量实现对Q,R调节,保证伴随协方差合理(P‘,Q,R,P都会因此受益,效果更准确)

    AKF

    关于自适应卡尔曼滤波,目前使用较多的一种方法是Sage-husa自适应滤波算法。下面针对该算法进行说明介绍。

    AKF是一种思想,并不是明确的哪一种方法,实际可根据自身项目需求来进行更新计算的,并不一定要用状态量X中的数据。

    现假设线性离散系统数学模型为:
    在这里插入图片描述
    X(k)系统状态向量,Φ(k,k-1)系统状态转移矩阵,Γ系统噪声矩阵,W(k)系统噪声向量
    Z(k)系统观测向量,H(k)系统观测矩阵,V(k)量测噪声向量。

    基于数学模型设计的sage-huse自适应滤波算法如下:
    在这里插入图片描述
    下面对上述部分进行说明:
    (1)对应预测部分,对状态量X和伴随协方差P进行预测,得到X’和P’。
    (2)为自适应卡尔曼滤波引入的一个超参数,调节更新参量dkb被称为遗忘因子,取值在0.95~0.99之间。
    (3)对应更新部分的增益系数K求导部分,主要区别在于观测误差R基于dk调节,随着帧数k变化,R(k)->R(k-1),即观测误差R趋向稳定。
    (4)对应更新部分的状态量更新部分。

    下面针对AKF与KF区别进行细节说明:(个人理解,如有不同理解,感谢指教)
    (1)部分,X作为一个后验估计,也就没有考虑偏差补偿u,但所设计系统预测误差作为P(k|k-1)等式右侧第二项累加到伴随误差P(k|k-1)中。>(2)部分,通过求导可发现dk 是一个随着迭代帧数k变化而单调递减的值,0<dk<1,也就是说sage-huse自适应是基于帧数自适应调节测量Q和观测R的。那么根据所设计系统不同,把b用相关参量表示,从而周期调节dk,当然,连带(3)部分中的R(k)更新方程也可以重新调整一下。这里的dk作为观测误差R的调节量,而预测误差Q一般不会被调动,代表的是所设计系统的迭代更新误差,除非在使用过程中,系统存在动态参量调节,不然预测误差是不应被调节的,避免导致系统震荡。
    (3)部分,主要说明一下R(k),采取加权求和的形式,dk动态调节权重,
    ps.通过博客可以知道增益系数K代表预测协方差P与总方差S比值,0.5<K<1,K越小预测越准确,越大表示预测误差越大,这里给K另一个称呼预测观测比,那么可以理解[I-H(k)K(k-1)]v(k)表示上帧观测预测模型与当帧差异误差,把这部分误差协方差+上帧伴随协方差P相加,作为R(k)更新第二项。
    (4)部分,同kalman,就不说了。

    以上。

    展开全文
  • 针对同步定位与地图创建(SLAM)问题中难以建立准确的先验噪声模型的问题,提出一种改进的模糊自适应卡尔曼滤波算法。该算法通过在线监测新息的变化,利用模糊逻辑对系统噪声和观测噪声的权重进行实时调整,进而改变系统...
  • 带有卡尔曼滤波器的线性二次高斯自适应算法-Linear quadratic Gaussian adaptive algorithm with the Kalman filter
  • 卡尔曼滤波的缺点就是需要精确的模型,所以由此产生了自校正卡尔曼滤波 自适应卡尔曼滤波 所以都是在解决问题中产生 下面拍自《多传感器加权观测融合kalman滤波理论》 下面拍自《现代信息融合技术在组合...

    卡尔曼滤波的缺点就是需要精确的模型,所以由此产生了自校正卡尔曼滤波 自适应卡尔曼滤波

     

    所以都是在解决问题中产生

     

    下面拍自《多传感器加权观测融合kalman滤波理论》

     

    下面拍自《现代信息融合技术在组合导航中的应用》

    展开全文
  • 带有卡尔曼滤波器自适应堆叠沙漏网络,用于估计视频中的2D人体姿势
  • 针对红外夜视系统背景较复杂,直角坐标系下的卡尔曼滤波容易发散,且影响滤波精度的特点,在分析自适应卡尔曼滤波算法优缺点的基础上,提出了一种针对红外夜视系统目标跟踪的自适应卡尔曼滤波算法,此算法利用投影...
  • 基于渐消卡尔曼滤波器的永磁同步电机的仿真,余跃,何凤有,本文使用带渐消因子的自适应卡尔曼滤波构造了永磁同步电机的速度观测器。该滤波器根据永磁同步电机的输出,在线自适应调整渐消因

空空如也

空空如也

1 2 3 4 5 ... 20
收藏数 1,101
精华内容 440
关键字:

自适应卡尔曼滤波器