卡爾曼濾波

我要報錯
卡爾曼濾波(Kalmanfiltering)是一種利用線性系統(tǒng)狀態(tài)方程,通過系統(tǒng)輸入輸出觀測數(shù)據(jù),對系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計的算法。由于觀測數(shù)據(jù)中包括系統(tǒng)中的噪聲和干擾的影響,所以最優(yōu)估計也可看作是濾波過程。
  • 基于卡爾曼算法的直流串勵電機(jī)轉(zhuǎn)速控制系統(tǒng)

    摘要:根據(jù)串勵直流電機(jī)軟特性,當(dāng)其轉(zhuǎn)矩很小時會產(chǎn)生較高的轉(zhuǎn)速導(dǎo)致電機(jī)飛轉(zhuǎn),運行時會產(chǎn)生大量噪聲。首先,提出了一種利用IGBT組成的同步Buck電路在供電側(cè)穩(wěn)定供電:其次,經(jīng)過卡爾曼濾波抑制噪聲以獲取正確的轉(zhuǎn)速值:最后,通過給定PWM波占空比來得到卡爾曼濾波后的轉(zhuǎn)速值,大大簡化了非線性系統(tǒng)的控制,利用同步Buck電路實現(xiàn)電源對電機(jī)的穩(wěn)定高效供電。結(jié)果表明,此算法轉(zhuǎn)速誤差率小于2%,提高了系統(tǒng)的穩(wěn)定性。通過simulink建立了整個電機(jī)系統(tǒng)的數(shù)學(xué)模型,驗證了此方法的可靠性。

  • 基于卡爾曼濾波的車輛組合導(dǎo)航仿真研究

    摘要:針對傳統(tǒng)車載導(dǎo)航系統(tǒng)在復(fù)雜道路環(huán)境下定位精度偏低等問題,提出了應(yīng)用全球定位系統(tǒng)與航位推算相結(jié)合的組合導(dǎo)航算法,使用卡爾曼濾波進(jìn)行數(shù)據(jù)處理,實時調(diào)整參數(shù)值,將卡爾曼濾波器調(diào)整到運行過程中的最佳狀態(tài),從而提升導(dǎo)航系統(tǒng)的準(zhǔn)確度。實驗結(jié)果表明,所提方法可以提升車載導(dǎo)航系統(tǒng)的準(zhǔn)確性和連續(xù)性,保證車輛定位曲線和車輛實際行駛路線基本吻合,但是定位誤差會隨著信號中斷時間的延長而增大。

  • 基于卡爾曼算法的直流串勵電機(jī)轉(zhuǎn)速控制系統(tǒng)

    摘要:根據(jù)串勵直流電機(jī)軟特性,當(dāng)其轉(zhuǎn)矩很小時會產(chǎn)生較高的轉(zhuǎn)速導(dǎo)致電機(jī)飛轉(zhuǎn),運行時會產(chǎn)生大量噪聲。首先,提出了一種利用IGBT組成的同步Buck電路在供電側(cè)穩(wěn)定供電:其次,經(jīng)過卡爾曼濾波抑制噪聲以獲取正確的轉(zhuǎn)速值:最后,通過給定PwM波占空比來得到卡爾曼濾波后的轉(zhuǎn)速值,大大簡化了非線性系統(tǒng)的控制,利用同步Buck電路實現(xiàn)電源對電機(jī)的穩(wěn)定高效供電。結(jié)果表明,此算法轉(zhuǎn)速誤差率小于2%,提高了系統(tǒng)的穩(wěn)定性。通過simu1ink建立了整個電機(jī)系統(tǒng)的數(shù)學(xué)模型,驗證了此方法的可靠性。

  • 全自動自適應(yīng)動態(tài)平臺

    摘 要 :全自動自適應(yīng)動態(tài)平臺由傳感器、單片機(jī)、電源、驅(qū)動器、電機(jī)以及機(jī)械結(jié)構(gòu)等六部分組成??蓪崿F(xiàn)水平傾角測量并自動將平臺調(diào)節(jié)到水平狀態(tài) , 從而為一些需要水平環(huán)境的測量設(shè)備和場合提供服務(wù)。本品有兩大特點,一是誤差在 0.1°以內(nèi),二是實時動態(tài)響應(yīng)能力強(qiáng)。即作品可以在劇烈震動的環(huán)境中保證平臺在各個維度的平衡,同時又能保證較高的精確度。本作品具有方便、易操作、穩(wěn)定可靠等特點。而其自動校準(zhǔn)功能,則可極大地提高工作效率。

  • 視頻運動目標(biāo)跟蹤算法研究綜述

    摘 要 :視頻運動目標(biāo)跟蹤是計算機(jī)視覺領(lǐng)域的研究熱點,具有廣闊的應(yīng)用前景。近年來,深度學(xué)習(xí)等技術(shù)的引入使得目標(biāo)跟蹤算法的準(zhǔn)確性得到極大提升,但是當(dāng)目標(biāo)發(fā)生形變、尺度變化、被遮擋等情況時,容易導(dǎo)致跟蹤失敗。為了進(jìn)一步改進(jìn)運動目標(biāo)跟蹤算法,文中系統(tǒng)地梳理了現(xiàn)有的運動目標(biāo)跟蹤算法,將其劃分為經(jīng)典的跟蹤算法、基于相關(guān)濾波的跟蹤算法和基于深度學(xué)習(xí)的算法,分別從算法的基本原理、算法性能等方面進(jìn)行詳細(xì)的闡述,并對未來的發(fā)展趨勢進(jìn)行了展望。

  • mpu6050為什么用卡爾曼濾波

    無人機(jī)底層開發(fā)-MPU6050卡爾曼濾波的簡單理解

  • 數(shù)字濾波技術(shù)的現(xiàn)狀與發(fā)展

    摘 要:數(shù)字濾波技術(shù)是數(shù)字信號處理過程中對噪聲的分析與處理。為了更好地理解數(shù)字濾波技術(shù),快速選擇不同場景下最合適的濾波算法,文中介紹了數(shù)字濾波技術(shù)中使用最廣泛、技術(shù)最成熟的卡爾曼濾波技術(shù)、自適應(yīng)濾波技術(shù)與粒子濾波及其缺陷,并介紹了為解決這些缺陷提出的新技術(shù)與每項技術(shù)的應(yīng)用場景。

  • 卡爾曼濾波

    卡爾曼濾波(Kalman filtering)是一種利用線性系統(tǒng)狀態(tài)方程,通過系統(tǒng)輸入輸出觀測數(shù)據(jù),對系統(tǒng)狀態(tài)進(jìn)行最優(yōu)估計的算法。

  • 兩輪自平衡車實驗平臺的設(shè)計

    摘 要:兩輪自平衡小車具有重要的應(yīng)用與理論研究意義。文中設(shè)計了兩輪自平衡小車的實驗平臺,系統(tǒng)分為5個模塊:電 源管理模塊,微處理器模塊,電機(jī)驅(qū)動模塊,姿態(tài)傳感器數(shù)據(jù)采集模塊,以及藍(lán)牙無線通訊模塊。本設(shè)計從硬件電路,軟件 設(shè)計對系統(tǒng)的5個模塊分別進(jìn)行了詳細(xì)設(shè)計。最后,制作了兩輪自平衡小車的原型,并給予了初步運動控制驗證。該實驗平臺能 夠初步實現(xiàn)自平衡功能,后續(xù)的研究將著重于對控制算法在該平臺的驗證研究。

  • 基于Consensus濾波的分布式卡爾曼信息融合方法

    摘 要:分布式信息融合是無線傳感器網(wǎng)絡(luò)信號處理中最重要的研究課題之一。文中給出了無線傳感器網(wǎng)絡(luò)的分 布式一致卡爾曼信息融合算法,該方法首先在無線傳感器網(wǎng)絡(luò)的每個傳感節(jié)點中配置微卡爾曼濾波器,再引入一致濾 波算法用于計算節(jié)點平均觀測數(shù)據(jù)和平均逆協(xié)方差,然后各自執(zhí)行微卡爾曼濾波,從而得到各節(jié)點的分布式狀態(tài)估計。 文中用仿真結(jié)果證實了該方法的有效性和可靠性。

  • 卡爾曼濾波算法,啥原理?

    說到卡爾曼濾波,想必很多讀者都用過,或者聽說過,是一種應(yīng)用非常廣泛的濾波算法。在網(wǎng)上看了不少與卡爾曼濾波相關(guān)的博客、論文,要么是只談理論、缺乏感性,或者有感性認(rèn)識,缺乏理論推導(dǎo)。能兼顧二者的少之又少,直到看到了國外的一篇博文,講的非常詳細(xì),今天跟大家分享一下。

  • 看完這篇卡爾曼濾波原理,我被驚到了!

    在網(wǎng)上看了不少與卡爾曼濾波相關(guān)的博客、論文,要么是只談理論、缺乏感性,或者有感性認(rèn)識,缺乏理論推導(dǎo)。能兼顧二者的少之又少,直到我看到了國外的一篇博文,真的驚艷到我了,不得不佩服作者這種細(xì)致入微的精神,翻譯過來跟大家分享一下。

  • 平衡小車卡爾曼濾波算法

    這次的平衡車,使用到了卡爾曼濾波,下面談?wù)勈褂眯牡梦覀兪抢媒撬俣葌鞲衅骱图铀俣葌鞲衅鳒y量得到角度和角速度,但是由于車子是運動的,我們利用加速度得到的角度并不完全正確,由于噪聲干擾,我們對角速度傳感器

  • 蓄電池剩余容量預(yù)測技術(shù)現(xiàn)狀及發(fā)展

    1引言閥控式密封鉛酸(VRLA)蓄電池由于具有體積小、防爆、電壓穩(wěn)定、無污染、重量輕、放電性能高、維護(hù)量小、價格低等優(yōu)點,所以深受各個行業(yè)的青睞,被廣泛應(yīng)用于郵電、電力、交通、航空航天、應(yīng)急照明、軍事通信等諸