面对城市低空复杂的电磁环境, 无人机在运行过程中GNSS信号极易受到干扰, 导致定位不准。为提高无人机定位精度, 提出一种基于扩展卡尔曼滤波的数据融合方法, 该方法在惯性导航系统的基础上, 与基于5G信号的三维定位相融合, 并对惯性导航误差进行修正。软件仿真表明, 该方法在缺少有效GNSS信号的情况下将姿态误差和位置误差控制在一定的范围内, 提高了无人机的定位精度, 视距下的平均位置误差为16.6 cm, 相比于融合前定位精度提升了49.7%, 使得无人机具有长时间较高定位精度, 具有一定的工程实用性。
无人机 组合定位 扩展卡尔曼滤波 UAV combined positioning extended Kalman filtering 5G 5G
1 四川大学电子信息学院,四川 成都 610065
2 西南石油大学机电工程学院,四川 成都 610500
针对扩展卡尔曼滤波算法在摄像机标定优化应用中,滤波精度较大程度地依赖于噪声协方差矩阵的准确性这一问题,提出了一种基于自适应扩展卡尔曼滤波算法的摄像机标定优化方法。以所检测到的二维棋盘格标靶上特征点的图像坐标作为自适应扩展卡尔曼滤波算法的观测量,摄像机的内、外参数作为状态量,将观测图像上的特征点进行逐点滤波运算,过程和观测噪声协方差矩阵在迭代过程中随着观测值和预测值之间新息的变化而更新,从而优化对应的摄像机参数。实验结果表明,经本文算法优化后获得的摄像机内、外参数具有较小的重投影误差,USB相机和工业相机的标定结果较张正友标定法分别提升了61.17%和12.17%,所提算法较无迹卡尔曼滤波算法和扩展卡尔曼滤波算法在噪声环境下具有更高的标定精度和更好的鲁棒性。
机器视觉 摄像机标定 扩展卡尔曼滤波 新息 自适应 重投影误差 光学学报
2023, 43(23): 2315002
1 火箭军工程大学 导弹工程学院, 陕西 西安 710025
2 火箭军工程大学 作战保障学院, 陕西 西安 710025
针对传统MEMS/GNSS组合导航在卫星信号差时长时间精准导航问题, 提出了基于灰色马尔可夫预测的MEMS/GNSS组合导航方法。通过改进灰色预测, 增加马尔可夫修正环节, 预测当卫星信号差时的GNSS量测值, 进而代替原量测值, 并将结果进行抗差扩展卡尔曼滤波(EKF), 克服噪声干扰影响, 提高了系统的稳定性。经仿真和跑车实验验证, 该组合导航方法在卫星信号差时仍能输出较高精度的导航结果, 且可以较好地克服异常观测值对系统的影响。
组合导航 灰色预测 扩展卡尔曼滤波(EKF) 马尔可夫过程 integrated navigation grey prediction extended Kalman filtering (EKF) Markov process MEMS MEMS
西北工业大学 自动化学院,陕西 西安 710129
针对捷联惯导系统(SINS)大失准角下滤波对准过程中非线性滤波器状态维数过大的问题, 提出了一种基于模型分解的卡尔曼滤波/二阶扩展卡尔曼滤波(KF/EKF2)混合滤波方法, 将基于欧拉平台误差角的非线性滤波模型分解为线性部分和非线性部分, 分别采用线性KF滤波和非线性EKF2滤波处理, 并且设计了混合滤波的滤波步骤。 实验结果表明, KF/EKF2混合滤波算法在计算量、实时性及精度等方面优于最常用的无迹卡尔曼滤波(UKF)和EKF2滤波。
大失准角 初始对准 卡尔曼滤波(KF) 二阶扩展卡尔曼滤波(EKF2) 混合滤波 large misalignment angle initial alignment Kalman filtering(KF) second-order extended Kalman filtering(EKF2) hybrid filtering
1 浙江传媒学院电子信息学院, 浙江 杭州 310018
2 中国科学院长春光学精密机械与物理研究所, 吉林 长春 130033
为提高小型机载光电平台的目标定位精度,提出了一种基于扩展卡尔曼滤波(EKF)的目标定位算法。根据机载光电平台锁定跟踪目标的特性,对同一目标进行多次测量。依据组合导航系统测量的载机位置、姿态信息及位置编码器测量的框架角位置信息,结合地球椭球模型确定目标的视轴指向。建立状态方程和测量方程,利用扩展卡尔曼滤波对目标的地理位置进行估计。采用蒙特卡罗法分析了测量误差对目标定位精度的影响,仿真结果显示:所提算法的精度较高,稳健性较高。采用飞行试验验证了该算法的有效性,当飞行高度为4300 m时,目标定位精度优于15 m。与基于地球椭球模型的算法相比,所提算法的目标定位精度明显提高。
遥感 目标定位 扩展卡尔曼滤波 机载光电平台 误差分析 飞行试验
1 浙江工业大学健行学院, 浙江 杭州 310023
2 浙江工业大学信息工程学院, 浙江 杭州 310023
3 上海交通大学区域光纤通信网与新型光通信系统国家重点实验室, 上海 200240
针对基于高阶正交幅度调制(QAM)的大线宽相干光正交频分复用(CO-OFDM)系统, 提出了一种基于时域和频域卡尔曼滤波(KF)联合估计的相位噪声补偿算法。所提算法在发射端插入时域训练符号和导频序列, 在接收端基于训练符号进行频域卡尔曼滤波后得到信道估计值, 进行时域扩展卡尔曼滤波(EKF)后得到相位噪声粗略估计值。时域相位噪声估计值为复数值, 为获得较好的补偿效果, 根据导频序列数目将每个OFDM符号分割为若干个亚符号。在导频序列处进行时域EKF, 通过在每个亚符号最后一个导频处进行线性插值, 得到每个采样点的相位噪声粗略估计值。对粗略相位噪声补偿后的频域数据进行预判决, 并对时域相位噪声进行精细补偿。采用所提算法对传输速率为50 Gbit·s-1 、传输距离为100 km的CO-OFDM系统进行了数值模拟, 结果表明所提算法与其他方法相比取得了较好的补偿效果。对于激光器线宽为1 MHz(16QAM)和800 kHz(32QAM) 的CO-OFDM系统, 误码率可达前向纠错上限。
光通信 相干光正交频分复用 相位噪声 亚符号 扩展卡尔曼滤波 高阶正交幅度调制
中北大学仪器与电子学院仪器科学与动态测试教育部重点实验室, 山西 太原 030051
提出了一种基于扩展卡尔曼滤波的惯性导航系统(INS)/光流/磁强计/气压计组合导航方案。将INS、光流和气压计数据融合, 估计无人机(UAV)的速度和位置。当UAV静止或匀速运动时, 将陀螺仪与加速计、磁强计、光流的数据融合, 估计UAV的姿态。当UAV加速或减速时, 用陀螺仪估计UAV的姿态。实验结果表明, UAV的速度误差从最大20 m/s减小到了10 m/s, 角度误差从最大80°减小到了10°。该方案可以有效解决速度、位置和姿态估计的累积误差问题。
遥感 无人机 惯性导航 光流传感器 磁强计 气压计 扩展卡尔曼滤波 激光与光电子学进展
2017, 54(2): 022801
综合利用到达方位角(DOA)和到达时间差(TDOA)等信息, 建立单站无源定位系统的状态模型和观测模型, 应用多维情形的二阶插值公式构造新型非线性滤波算法, 而不需计算非线性函数的偏导,使得计算简化。仿真结果表明, 用该算法可替代扩展卡尔曼滤波器(EKF)应用于单站无源定位中, 能获得更为准确且收敛更快的定位结果。
单站无源定位 非线性滤波 Cholesky分解 扩展卡尔曼滤波 single observer passive location nonlinear filtering Cholesky factorization Extended Kalman Filtering(EKF)
1 海军航空工程学院,山东烟台264001
2 中国人民解放军91467部队,山东胶州266300
对双站测向无源定位跟踪方法进行了研究,分析了双站交叉定位的基本原理,应用Singer模型和扩展卡尔曼滤波对三维空间中的机动目标无源定位跟踪问题进行了仿真分析。仿真结果表明,在假设的仿真条件下以及测向精度为1mrad时,对机动目标定位跟踪的相对测距误差保持在1.5%以下,滤波跟踪效果良好,表明该方法对机动目标的无源定位跟踪是有效的,对工程应用有一定指导意义。
无源定位 机动目标 Singer模型 扩展卡尔曼滤波 passive location maneuvering target Singer tracking model Extended Kalman Filtering (EKF)