导读:本文包含了卡尔曼滤波算法论文开题报告文献综述及选题提纲参考文献，主要关键词:无迹卡尔曼滤波,粗大误差,拉依达准则,目标跟踪
卡尔曼滤波算法论文文献综述
张振慧,张正江,胡桂廷,朱志亮[1]（2019）在《基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法》一文中研究指出无迹卡尔曼滤波是卡尔曼滤波技术的重要组成部分,它有效地克服了扩展卡尔曼滤波的估计精度低、稳定性差等缺陷;然而无迹卡尔曼滤波未考虑粗大误差(如离群值、静差和漂移)的影响;目标跟踪经常受到不同种类粗大误差的影响,研究无迹卡尔曼滤波器对粗大误差的检测和补偿,对目标跟踪准确性的提高有重大意义;文章针对观测值中各种粗大误差影响目标跟踪精度的问题,采用拉依达准则对观测值进行检测;为了对误差进行补偿,文章提出了一种观测数据残差线性拟合的方法,使用拟合产生的预测残差补偿粗大误差,使补偿后的目标运动轨迹能够减小粗大误差的干扰;经过目标跟踪仿真实验和对比,文章提出的改进型无迹卡尔曼滤波算法能有效地减小粗大误差观测值对状态预测过程的影响,能实现对目标的准确跟踪,提高了滤波的稳定性和准确性。(本文来源于《计算机测量与控制》期刊2019年11期）
王丹丹,卢春华,李立,赵建周[2]（2019）在《卡尔曼滤波算法在里程计/GPS组合导航中的研究》一文中研究指出所提出的导航定位系统主要是由GPS导航系统与里程计组成,搭载在检测设备中。对传感器里面的信息进行测量和存储检测,在检测结束之后进行数据处理,进而得到智能小车的导航定位信息。搭建导航系统滤波模型,对小车进行定位试验。经过理论的分析和实验的验证,所设计的GPS/里程计组合导航装置能够达到一定的定位精度。(本文来源于《安阳工学院学报》期刊2019年06期）
王伟[3]（2019）在《基于卡尔曼滤波和加权LM法的井下精确定位算法》一文中研究指出针对基于UWB精确定位的井下近感检测装置定位结果易受非视距(NLOS)误差等噪声影响的问题,提出了一种基于卡尔曼滤波和加权LM法的井下精确定位算法。通过卡尔曼滤波预测过程得到标签卡坐标的先验估计值;利用几何关系计算估计坐标与各锚节点的距离,并将该距离与探测器直接测距值进行比较,根据差值分配各锚节点的测距权值;将权值矩阵和测距矩阵代入加权LM法中,得到标签卡坐标的中间结果;将中间结果作为测量值代入卡尔曼滤波更新过程中,得到标签卡的最终坐标。测试结果表明,与多边定位法相比,基于卡尔曼滤波和加权LM法的井下精确定位算法可在不影响定位速度的前提下,将定位精度提高一倍以上,有效降低了NLOS误差等噪声的干扰。(本文来源于《工矿自动化》期刊2019年11期）
李小雨,肖汉,李嘉逸[4]（2019）在《使用卡尔曼滤波修正蒙特卡洛算法的电动汽车充电负荷预测研究》一文中研究指出电动汽车将在未来迎来大规模的推广和应用,并对电网运行产生深远影响。而电动汽车充电负荷预测将是分析电动汽车对电网运行产生影响的基础。传统的电动汽车负荷预测方法仅仅通过对电动汽车运行行为特征进行分析,预测结果也仅仅是一种预期,即便考虑了多种典型场景,也难以准确描述随机性较大的电动汽车充电情况及充电功率大小。通过对电动汽车充电设施设置充电功率采样观测点,使用测量值对蒙特卡洛预测结果进行卡尔曼滤波修正,计算出较为符合系统状态的预测结果,并使用某行政区进行了算例演示,所提计算方法为研究电动汽车充电负荷精确预测和有序充电提供了新的方法探究和思路。(本文来源于《四川电力技术》期刊2019年05期）
陈波[5]（2019）在《一种改进的迭代无迹卡尔曼滤波算法》一文中研究指出针对非线性系统目标跟踪中状态估计的线性问题,在滤波过程的不同部分,利用统计和分析原理对状态估计进行线性化,提出一种改进的迭代无迹卡尔曼滤波(Improved Iterated Unscented Kalman Filter, IIUKF)。在系统方程和测量方程都具有较严重的非线性条件下,与无迹卡尔曼滤波器(UKF)和迭代扩展卡尔曼滤波(IEKF)进行仿真验证比较。结果显示该方法的跟踪性能优于UKF和IEKF,提高了系统的跟踪效果。(本文来源于《计算机应用与软件》期刊2019年10期）
马建,窦晓波,陈克绪,焦阳,葛浦东[6]（2019）在《基于卡尔曼滤波算法的网络信息观测器设计》一文中研究指出传统电力系统大多采用统一的控制和管理,对量测设备和通信设施依赖性强。一旦发生通信延时、丢包等故障,会影响系统状态监测和系统控制。因此,针对分布式电源接入的配电网系统,提出了一种基于卡尔曼滤波算法的无通信网络信息观测器,其可以实现对系统节点电压和分布式电源本地信息无通信信息观测。仿真分析结果验证了所提观测器的有效性。(本文来源于《电力自动化设备》期刊2019年10期）
黄敏,张璐坚,周到,陈军波[7]（2019）在《基于扩展卡尔曼滤波的磁共振指纹参数量化优化算法》一文中研究指出"磁共振指纹"技术一次扫描可同时获得定量的T1、T2等参数像,弥补了磁共振成像(MRI)扫描时间长,一次只能得到一种加权像的缺陷。但其经典算法需要对不同序列建立不同的字典,且字典大小直接影响量化结果。我们对基于扩展卡尔曼滤波的磁共振指纹参数量化算法进行优化,不需要建立字典,通过建立成像模型,采用卡尔曼滤波对磁共振指纹信号进行跟踪,反演得到量化参数。该方法减少了卡尔曼迭代次数,加快了参数估计的收敛速度,提升了参数量化图像的质量。(本文来源于《生物医学工程研究》期刊2019年03期）
高昂,郭梦蕾,徐珂雅,谢慧浚,韩泽雷[8]（2019）在《卡尔曼滤波算法在锂电池荷电状态估计中的应用》一文中研究指出基于研究卡尔曼滤波算法在锂电池荷电状态估计和监测中应用效果的目的,本文通过建立Thevenin电池模型,结合锂电池恒定电流充放电实验数据,有效模拟出电池实际工作特性,并分别采用传统卡尔曼滤波(KF)和扩展卡尔曼滤波(EKF)算法对锂电池荷电状态(SOC)进行估测。得出如下结论:采用基于Thevenin电池模型的KF与EKF算法均可以快速精准地估测锂电池荷电状态。EKF对于初值的敏感度相较KF明显低,当初值为80%时参数适应性较好。此外,在利用卡尔曼滤波算法对电池端电压估测时发现其收敛值总会与真实值产生一个约为0.05 V的恒定偏差值。(本文来源于《电子设计工程》期刊2019年18期）
谭攀,伍仲南,康跃耀[9]（2019）在《抑制卡尔曼滤波发散的组合导航算法研究》一文中研究指出卡尔曼滤波是一种递推线性最小方差估计算法,在组合导航数据融合中得到了广泛应用;但由于卡尔曼滤波要求系统模型和噪声统计特性精确已知,而实际中很难做到,因此常常出现滤波发散现象。鉴于此,着重研究了衰减记忆自适应卡尔曼滤波和渐消记忆卡尔曼滤波在INS/GPS组合导航中的应用,并通过对仿真数据的处理,验证了两种滤波算法在抑制滤波发散、提高组合导航系统精度和稳定性方面的可行性。(本文来源于《地理空间信息》期刊2019年09期）
周韦润,姜文刚[10]（2019）在《基于遗传算法优化扩展卡尔曼滤波的锂电池SOC估计》一文中研究指出准确估算电池荷电状态是电动汽车安全、可靠运行的重要保障。传统的卡尔曼滤波估计算法一方面难以克服电池模型精确性和实用性的矛盾,另一方面要求系统噪声矩阵必须服从高斯分布。为了解决上述问题,首先建立基于BIC准则的变阶RC等效电路模型,克服模型精确性和实用性的矛盾;接着采用遗传算法对EKF中的系统噪声矩阵和测量矩阵的协方差进行在线优化,以实现在模型误差最小时对SOC进行在线估计;最后搭建测试平台,验证该算法能够克服由于模型误差和测量噪声的不确定对SOC估计的影响,误差在1. 35%以内,并且具有较高的收敛性和鲁棒性。(本文来源于《重庆理工大学学报(自然科学)》期刊2019年09期）
卡尔曼滤波算法论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
所提出的导航定位系统主要是由GPS导航系统与里程计组成,搭载在检测设备中。对传感器里面的信息进行测量和存储检测,在检测结束之后进行数据处理,进而得到智能小车的导航定位信息。搭建导航系统滤波模型,对小车进行定位试验。经过理论的分析和实验的验证,所设计的GPS/里程计组合导航装置能够达到一定的定位精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
卡尔曼滤波算法论文参考文献
[1].张振慧,张正江,胡桂廷,朱志亮.基于拉依达准则与线性拟合的改进型无迹卡尔曼滤波粗大误差补偿算法[J].计算机测量与控制.2019
[2].王丹丹,卢春华,李立,赵建周.卡尔曼滤波算法在里程计/GPS组合导航中的研究[J].安阳工学院学报.2019
[3].王伟.基于卡尔曼滤波和加权LM法的井下精确定位算法[J].工矿自动化.2019
[4].李小雨,肖汉,李嘉逸.使用卡尔曼滤波修正蒙特卡洛算法的电动汽车充电负荷预测研究[J].四川电力技术.2019
[5].陈波.一种改进的迭代无迹卡尔曼滤波算法[J].计算机应用与软件.2019
[6].马建,窦晓波,陈克绪,焦阳,葛浦东.基于卡尔曼滤波算法的网络信息观测器设计[J].电力自动化设备.2019
[7].黄敏,张璐坚,周到,陈军波.基于扩展卡尔曼滤波的磁共振指纹参数量化优化算法[J].生物医学工程研究.2019
[8].高昂,郭梦蕾,徐珂雅,谢慧浚,韩泽雷.卡尔曼滤波算法在锂电池荷电状态估计中的应用[J].电子设计工程.2019
[9].谭攀,伍仲南,康跃耀.抑制卡尔曼滤波发散的组合导航算法研究[J].地理空间信息.2019
[10].周韦润,姜文刚.基于遗传算法优化扩展卡尔曼滤波的锂电池SOC估计[J].重庆理工大学学报(自然科学).2019