本文選題：非線性Kalman濾波 + 擴(kuò)展Kalman濾波　； 參考：《華中科技大學(xué)》2015年碩士論文

【摘要】：濾波的概念在很早就被提出,并且對(duì)于濾波的應(yīng)用滲透在各個(gè)領(lǐng)域當(dāng)中。應(yīng)用過(guò)程中對(duì)濾波理論的研究也是在不斷的被更新、被推廣到更廣的領(lǐng)域當(dāng)中。其中Kalman在1960年提出的Kalman濾波因其理論簡(jiǎn)單、應(yīng)用廣泛,很快就被廣大的研究者所接受。Kalman濾波和其他濾波一樣,用于系統(tǒng)建模中噪聲或者干擾的處理。Kalman濾波的研究從線性到非線性、從單一到復(fù)合、從理論到實(shí)踐多角度的發(fā)展。其中包括最簡(jiǎn)單的線性Kalman濾波;推廣到非線性情況下,出現(xiàn)的擴(kuò)展Kalman濾波。本文主要涉及非線性Kalman濾波的研究。介紹了擴(kuò)展Kalman濾波和變Kalman濾波。之后對(duì)Kalman濾波中存在的存儲(chǔ)問(wèn)題進(jìn)行了分析,將集合思想引入研究當(dāng)中,提出了集合Kalman濾波和變集合Kalman濾波的新模型。文章對(duì)非線性Kalman濾波的研究分為五個(gè)部分。第一部通過(guò)對(duì)研究背景、國(guó)內(nèi)外研究現(xiàn)狀和問(wèn)題研究意義的討論,為后續(xù)Kalman研究做好了良好的鋪墊。第二部分主要介紹研究過(guò)程中的基本概念以及Kalman濾波的基本構(gòu)成,并且闡述了線性Kalman濾波的思想過(guò)程,為第三部分理論研究打下了堅(jiān)實(shí)的基礎(chǔ)。第四部分是文章的核心部分,這一部分以擴(kuò)展Kalman濾波和變Kalman濾波為基礎(chǔ),提出了新的Kalman濾波——集合Kalman濾波和變集合Kalman濾波。第四部分是對(duì)第三部分理論的應(yīng)用支撐,采用仿真手法,分析仿真效果說(shuō)明了Kalman濾波的實(shí)用性以及新的濾波模型的優(yōu)良性。最后一個(gè)部分是全文的總結(jié),更加系統(tǒng)概括的闡述了文章中所得到的結(jié)果。
[Abstract]:The concept of filtering was put forward early, and the application of filtering permeated into various fields. In the process of application, the research of filtering theory is constantly updated and extended to a wide range of fields. The Kalman filter proposed by Kalman in 1960, because of its simple theory and wide application, has been accepted by many researchers as well as other filters. The study of Kalman filtering for noise or interference in system modeling. The development of Kalman filtering is from linear to nonlinear, from single to composite, from theory to practice. It includes the simplest linear Kalman filter and the extended Kalman filter for nonlinear cases. This paper is mainly concerned with the study of nonlinear Kalman filtering. Extended Kalman filter and variable Kalman filter are introduced. Then, the storage problem in Kalman filtering is analyzed, the set idea is introduced into the research, and a new model of set Kalman filter and variable set Kalman filter is proposed. The study of nonlinear Kalman filtering is divided into five parts. The first part, through the discussion of the research background, domestic and foreign research status and the significance of the research, makes a good foundation for the follow-up Kalman research. The second part mainly introduces the basic concepts of the research process and the basic structure of Kalman filtering, and expounds the ideological process of linear Kalman filtering, which lays a solid foundation for the third part of the theoretical research. The fourth part is the core part of this paper. Based on extended Kalman filter and variable Kalman filter, a new Kalman filter, set Kalman filter and variable set Kalman filter, is proposed. The fourth part is to support the application of the third part of the theory. The simulation results show the practicability of the Kalman filter and the excellence of the new filtering model. The last part is a summary of the full text, more systematic summary of the results obtained in the article.
【學(xué)位授予單位】：華中科技大學(xué)
【學(xué)位級(jí)別】：碩士
【學(xué)位授予年份】：2015
【分類(lèi)號(hào)】：TN713

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 李洪波;楊軍鋒;;自適應(yīng)Kalman濾波在多傳感器數(shù)據(jù)融合中應(yīng)用[J];國(guó)外電子測(cè)量技術(shù);2006年06期

2 井敏英;;基于Kalman濾波的盲多用戶檢測(cè)算法[J];信息通信;2009年04期

3 向西西;黃宏光;李予東;;基于Kalman算法的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)方法[J];計(jì)算機(jī)仿真;2010年12期

4 劉雷雷;臧洌;邱相存;;基于Kalman算法的網(wǎng)絡(luò)安全態(tài)勢(shì)預(yù)測(cè)[J];計(jì)算機(jī)與數(shù)字工程;2014年01期

5 尚曉星;李俊霞;;基于不敏Kalman濾波的多傳感器數(shù)據(jù)融合算法[J];河南師范大學(xué)學(xué)報(bào)(自然科學(xué)版);2011年04期

6 李毅;陸百川;李雪;;基于多尺度Kalman濾波的多傳感器數(shù)據(jù)融合[J];重慶交通大學(xué)學(xué)報(bào)(自然科學(xué)版);2012年02期

7 于華楠;康健;;改進(jìn)的基于Kalman濾波的盲多用戶檢測(cè)算法[J];吉林大學(xué)學(xué)報(bào)(工學(xué)版);2006年S2期

8 王繼平;孫華燕;章喜;;基于Kalman濾波的紅外弱小目標(biāo)檢測(cè)前跟蹤算法[J];裝備學(xué)院學(xué)報(bào);2012年02期

9 劉洲洲;;基于Kalman濾波的多傳感器信息融合研究[J];電子設(shè)計(jì)工程;2013年11期

10 嚴(yán)勇;黃席樾;劉愛(ài)君;;Kalman濾波在運(yùn)動(dòng)圖像背景提取及更新中的應(yīng)用[J];自動(dòng)化與儀器儀表;2006年02期

相關(guān)會(huì)議論文 前6條

1 石瑩;孟華;鄧自立;;多傳感器信息融合穩(wěn)態(tài)Kalman跟蹤濾波器[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

2 田行偉;石瑩;;帶相關(guān)噪聲的非方廣義系統(tǒng)降階Kalman遞推濾波器[A];中國(guó)自動(dòng)化學(xué)會(huì)控制理論專(zhuān)業(yè)委員會(huì)A卷[C];2011年

3 宋會(huì)杰;屈俐俐;;自適應(yīng)Kalman濾波在鐘差數(shù)據(jù)處理中的應(yīng)用[A];第三屆中國(guó)衛(wèi)星導(dǎo)航學(xué)術(shù)年會(huì)電子文集——S04原子鐘技術(shù)與時(shí)頻系統(tǒng)[C];2012年

4 何紅麗;楊廷梧;任樸舟;;協(xié)方差調(diào)節(jié)的KALMAN辨識(shí)算法在航跡處理中的應(yīng)用[A];大型飛機(jī)關(guān)鍵技術(shù)高層論壇暨中國(guó)航空學(xué)會(huì)2007年學(xué)術(shù)年會(huì)論文集[C];2007年

5 李變;李海波;高玉平;胡永輝;;原子時(shí)的Kalman算法[A];2009全國(guó)時(shí)間頻率學(xué)術(shù)會(huì)議論文集[C];2009年

6 鄧自立;李春波;;自校正分布式信息融合Kalman平滑器[A];2006中國(guó)控制與決策學(xué)術(shù)年會(huì)論文集[C];2006年

相關(guān)碩士學(xué)位論文 前10條

1 黃智慧;基于集合Kalman濾波的同化策略研究[D];西北師范大學(xué);2015年

2 林秋雁;基于改進(jìn)Kalman算法的OCT信號(hào)處理方法研究[D];哈爾濱工業(yè)大學(xué);2016年

3 景麗石;基于矢量聚類(lèi)與Kalman濾波的數(shù)字穩(wěn)像技術(shù)研究[D];大連理工大學(xué);2016年

4 高瑞;變集合Kalman濾波理論研究與仿真[D];華中科技大學(xué);2015年

5 李小寧;基于Kalman濾波—加權(quán)因子的多傳感器數(shù)據(jù)融合方法研究[D];電子科技大學(xué);2005年

6 梁佐江;基于Kalman濾波方法的多傳感器信息融合濾波器[D];黑龍江大學(xué);2005年

7 王欣;基于Kalman濾波方法的多傳感器信息融合最優(yōu)白噪聲反卷積濾波器[D];黑龍江大學(xué);2005年

8 郭靜雯;Kalman濾波在中國(guó)股市及貨幣供應(yīng)干預(yù)分析中的應(yīng)用[D];廣州大學(xué);2007年

9 潘家寶;時(shí)空Kalman濾波及其在變形監(jiān)測(cè)數(shù)據(jù)處理中的應(yīng)用[D];中南大學(xué);2014年

10 王好謙;基于Kalman濾波的白噪聲估計(jì)理論及其在狀態(tài)估計(jì)和反卷積中的應(yīng)用[D];黑龍江大學(xué);2002年

，

本文編號(hào)：1863361