本文關(guān)鍵詞： 卡爾曼濾波 跟蹤算法 預(yù)測(cè) 經(jīng)緯儀 航跡測(cè)量　出處：《科學(xué)技術(shù)與工程》2017年05期 　論文類型：期刊論文

【摘要】：針對(duì)卡爾曼濾波涉及到過程噪聲協(xié)方差矩陣Q和量測(cè)噪聲協(xié)方差矩陣R,實(shí)際情況中,Q和R未知或僅知道近似值,在最優(yōu)濾波器的性能因素中需要考慮到Q和R的誤差因素,大多數(shù)算法能夠很好的辨識(shí)R,但在辨識(shí)Q時(shí)遇到了困難問題。為了能夠更精確的獲得輸出矢量,提出了一種估計(jì)Q和R的方法,并對(duì)該方法的可靠性進(jìn)行了實(shí)驗(yàn)仿真。同時(shí)采用擴(kuò)展卡爾曼算法對(duì)輸出的A、E和R進(jìn)行預(yù)測(cè)和擴(kuò)展,然后進(jìn)行數(shù)據(jù)處理獲得飛行器空間軌跡坐標(biāo),最后對(duì)計(jì)算的結(jié)果和文獻(xiàn)對(duì)比。理論分析和實(shí)驗(yàn)仿真表明,算法能夠獲得更高的跟蹤精度和更高的測(cè)量精度,驗(yàn)證了其有效性和可靠性。
[Abstract]:The Kalman filter involves the process noise covariance matrix Q and the measurement noise covariance matrix R. In practice, Q and R are unknown or only approximate values are known, so the error factors of Q and R should be taken into account in the performance factors of the optimal filter. Most algorithms can identify R well, but it is difficult to identify Q. In order to obtain output vector more accurately, a method to estimate Q and R is proposed. At the same time, the extended Kalman algorithm is used to predict and extend the output Agne and R, and then data processing is carried out to obtain the space trajectory coordinates of the aircraft. Finally, the theoretical analysis and experimental simulation show that the algorithm can obtain higher tracking accuracy and higher measurement accuracy, and verify its validity and reliability.
【作者單位】： 中國(guó)飛行試驗(yàn)研究院;
【基金】：航空科學(xué)基金項(xiàng)目(2010ZD30004);航空科學(xué)基金項(xiàng)目(2015ZD30002);航空科學(xué)基金項(xiàng)目(2008ZD30008) 國(guó)家863計(jì)劃重點(diǎn)項(xiàng)目(2008AA121600)資助
【分類號(hào)】：V217;TN713

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 倪金福;用卡爾曼濾渡技術(shù)識(shí)別振動(dòng)系統(tǒng)參數(shù)[J];南京航空航天大學(xué)學(xué)報(bào);1982年01期

2 雷明,韓崇昭,肖梅;擴(kuò)展卡爾曼粒子濾波算法的一種修正方法[J];西安交通大學(xué)學(xué)報(bào);2005年08期

3 徐劍;段哲民;;卡爾曼預(yù)測(cè)器在目標(biāo)相關(guān)跟蹤中的應(yīng)用[J];計(jì)算機(jī)仿真;2005年11期

4 黃文娟;馬勤;王立群;楊淑瑩;;一種粒子群優(yōu)化擴(kuò)展卡爾曼粒子濾波算法[J];天津理工大學(xué)學(xué)報(bào);2009年05期

5 姚紅革;耿軍雪;;基于卡爾曼預(yù)測(cè)的視頻目標(biāo)實(shí)時(shí)跟蹤[J];西安工業(yè)大學(xué)學(xué)報(bào);2007年02期

6 盛德林;郭京周;;反艦導(dǎo)彈的被動(dòng)式測(cè)距原理[J];外國(guó)海軍導(dǎo)彈動(dòng)態(tài);1982年S4期

7 馬波,張?zhí)镂?李培華;基于HMM的卡爾曼蛇跟蹤[J];計(jì)算機(jī)輔助設(shè)計(jì)與圖形學(xué)學(xué)報(bào);2003年10期

8 寧小磊;李文博;范斌;;聯(lián)邦式擴(kuò)展卡爾曼粒子濾波算法[J];彈箭與制導(dǎo)學(xué)報(bào);2011年02期

9 李燦;樊孝仁;郭尊光;;GPS/DR汽車自主導(dǎo)航中的卡爾曼聯(lián)邦濾波算法[J];山西煤炭管理干部學(xué)院學(xué)報(bào);2009年02期

10 黃載祿;二維卡爾曼窗口濾波參數(shù)的研究[J];華中工學(xué)院學(xué)報(bào);1985年04期

相關(guān)會(huì)議論文 前2條

1 武麗靜;王斐;;一種基于頻域預(yù)濾波的超寬帶信道卡爾曼估計(jì)算法[A];中國(guó)電子學(xué)會(huì)第十五屆信息論學(xué)術(shù)年會(huì)暨第一屆全國(guó)網(wǎng)絡(luò)編碼學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2008年

2 王超奇;常青;;卡爾曼模型自適應(yīng)載波跟蹤環(huán)路設(shè)計(jì)[A];全國(guó)第五屆信號(hào)和智能信息處理與應(yīng)用學(xué)術(shù)會(huì)議�？�(第一冊(cè))[C];2011年

相關(guān)重要報(bào)紙文章 前3條

1 高莽;影像永恒[N];人民日?qǐng)?bào);2008年

2 肖復(fù)興;風(fēng)格的插圖[N];中華讀書報(bào);2014年

3 徐茜;德意志銀行植入美國(guó)基因[N];中國(guó)企業(yè)報(bào);2002年

相關(guān)碩士學(xué)位論文 前8條

1 李學(xué)超;基于自適應(yīng)卡爾曼粒子濾波的目標(biāo)跟蹤算法的研究[D];東北大學(xué);2013年

2 蘇成志;基于VANET的目標(biāo)車輛定位技術(shù)研究[D];西安電子科技大學(xué);2015年

3 吳飛;魯棒卡爾曼算法及其應(yīng)用研究[D];華南理工大學(xué);2012年

4 盛葉子;基于視頻序列的運(yùn)動(dòng)目標(biāo)檢測(cè)算法研究[D];遼寧科技大學(xué);2014年

5 趙曉麗;基于統(tǒng)計(jì)降噪原理的動(dòng)目標(biāo)分割與跟蹤[D];華北工學(xué)院;2004年

6 李一英;Kalman算法在一類Bühlmann-Straub推廣模型中的應(yīng)用研究[D];吉林大學(xué);2014年

7 陳光華;強(qiáng)噪聲信號(hào)的數(shù)字分析與處理及其在FPGA上的實(shí)現(xiàn)[D];電子科技大學(xué);2010年

8 鄒娟;無線傳感網(wǎng)絡(luò)中基于RTS平滑的目標(biāo)跟蹤技術(shù)研究[D];湘潭大學(xué);2014年

，

本文編號(hào)：1498636