CN102749096B - 一种对双观测系统量测噪声方差阵的自适应同步估计方法 - Google Patents
一种对双观测系统量测噪声方差阵的自适应同步估计方法 Download PDFInfo
- Publication number
- CN102749096B CN102749096B CN201210213914.7A CN201210213914A CN102749096B CN 102749096 B CN102749096 B CN 102749096B CN 201210213914 A CN201210213914 A CN 201210213914A CN 102749096 B CN102749096 B CN 102749096B
- Authority
- CN
- China
- Prior art keywords
- sigma
- moment
- max
- dis
- sequence
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Expired - Fee Related
Links
Landscapes
- Complex Calculations (AREA)
Abstract
本发明提出一种对双观测系统量测噪声方差阵的自适应同步估计方法,属于信号处理技术领域,该方法包括:得到两观测系统在各时刻的数据信号;计算两观测系统数据信号Z1(i)的自差分序列以及两个自差分序列的互差分序列;计算两观测系统数据信号在不同窗口长度下自差分序列的方差以及两个观测系统在不同窗口长度下互差分序列的方差,得到两观测系统不同窗口长度下的量测噪声方差阵;使用最优窗口长度计算得当前时刻的量测噪声方差阵。本发明利用双测量系统自差分序列和互差分序列信息,能够同时有效估计出两个测量系统的量测噪声方差阵,可实时调节计算噪声方差阵时的数据窗口长度,提高估计精度。本发明单纯利用测量系统信息,避免了误差耦合,精度较高。
Description
技术领域
本发明属于信号处理技术领域,具体涉及一种对双观测系统量测噪声方差阵的自适应同步估计方法,可同时有效自适应估计出不同测量系统的量测噪声方差阵。
背景技术
卡尔曼滤波算法是一项广泛应用的信息融合技术,标准卡尔曼滤波滤波算法是建立在系统噪声方差阵已知情况下的最优估计,但在实际情况下,测量系统的测量噪声方差阵未知,如何有效估计出系统测量噪声方差阵对提高滤波精度具有重要意义。
通常,若要获得系统测量噪声方差阵一般通过对测量系统进行长时间观测,根据对系统输出信息的统计量获得量测噪声方差阵,然而这种基于验前信息获得噪声统计特性的方法无法解决时变噪声的问题。在自适应估计系统量测噪声的研究中,方法主要为基于信息序列的自适应估计方法(IAE),主要代表为sage-husa法,它可以自适应估计系统的状态噪声方差阵和量测噪声方差阵,然而此法的信息序列基于状态一步递推值和观测值,当状态估计值计算不准确时,会造成误差耦合,导致量测噪声阵的估计精度下降。本发明利用两种测量参考系统的不同测量特性,自适应调节窗口长度,对系统量测噪声进行有效估计。
发明内容
针对现有技术中存在的问题,本发明为解决对测量系统量测噪声方差阵进行有效估计的问题,提出了一种对双观测系统量测噪声方差阵的自适应同步估计方法。该方法通过计算双观测系统观测值的自差分序列以及互差分序列的方差,得到量测噪声方差阵,并且对同一时刻不同窗口长度下计算得到的噪声方差阵序列进行一次直线拟合,由拟合得到的直线斜率计算出最优窗口长度并得到最终的量测噪声方差阵。
本发明提出一种对双观测系统量测噪声方差阵的自适应同步估计方法,包括以下几个步骤:
步骤一:分别得到观测系统A、观测系统B在各时刻的数据信号Z1(i)、Z2(i),其中i为观测系统的数据信号测量时刻;
步骤二:分别计算观测系统A数据信号Z1(i)的自差分序列和观测系统B数据信号Z2(i)的自差分序列,并计算两个自差分序列的互差分序列,具体为:
(1)观测系统A数据信号Z1(i)的自差分序列ΔZ1(i)为:
ΔZ1(i)=Z1(i)-Z1(i-1)
其中i-1和i分别表示观测系统A的数据采集时刻;
(2)观测系统B数据信号Z2(i)的自差分序列ΔZ2(i)为:
ΔZ2(i)=Z2(i)-Z2(i-1)
其中i-1和i分别表示观测系统B的数据采集时刻;
(3)观测系统A和观测系统B的两个自差分序列的的互差分序列C(i)为:
C(i)=ΔZ1(i)-ΔZ2(i)
步骤三:分别计算观测系统A数据信号在不同窗口长度下自差分序列的方差,观测系统B数据信号在不同窗口长度下自差分序列的方差,以及两个观测系统在不同窗口长度下互差分序列的方差,并利用方差进行相关计算得到观测系统A、观测系统B不同窗口长度下的量测噪声方差阵R1、R2,具体为:
(1)首先选取最大窗口长度MMax、最小窗口长度MMin和窗口长度间隔MDis,且窗口长度间隔MDis为MMax与MMin之差的整数倍,若当前数据信号量测时刻k小于等于MMax,则直接采用窗口长度累积的方式计算观测系统A自差分序列的方差:
其中E1(k)表示观测系统A的1到k时刻观测值序列的均值,σ1(k)表示观测系统A的1到k时刻观测值序列的方差;
若当前数据信号量测时刻k大于MMax,则计算观测系统A数据信号在不同窗口长度下自差分序列的方差:
其中,k为观测系统A当前数据信号量测时刻,i为数据信号量测时刻,ΔZ1(i)为观测系统A自差分序列在i时刻的值,E1(M,k)为k时刻窗口长度为M时观测系统A自差分序列的均值,σ1(M,k)为k时刻窗口长度为M时自差分序列的方差,M为窗口长度序列;
(2)若当前数据量测时刻k小于等于MMax,则直接采用窗口长度累积的方式计算观测系统B自差分序列的方差:
其中E2(k)表示观测系统B的1到k时刻观测值序列的均值,σ2(k)表示观测系统B的1到k时刻观测值序列的均值;
若当前数据量测时刻k大于MMax,则计算观测系统B数据信号在不同窗口长度下的自差分序列的方差:
其中,k为观测系统B当前数据信号量测时刻,i为数据信号量测时刻,ΔZ2(i)为观测系统B自差分序列在i时刻的值,E2(M,k)为k时刻窗口长度为M时观测系统B自差分序列的均值,σ2(M,k)为k时刻窗口长度为M时的自差分序列方差,M为窗口长度序列;
(3)若当前数据量测时刻k小于等于MMax,计算两个观测系统互差分序列的方差σC(k):
其中,C(i)表示观测系统A和观测系统B自差分序列在i时刻的互差分序列;EC(k)表示k时刻互差分序列的均值;
若当前系统数据量测时刻k大于MMax,则按下式计算两个量测系统互差分序列的方差:
其中,k为测量系统当前数据信号量测时刻,i为数据信号量测时刻,C(i)表示观测系统A和观测系统B自差分序列在i时刻的互差分序列,EC(M,k)为k时刻窗口长度为M时互差分序列的均值,σC(M,k)为k时刻窗口长度为M时互差分序列的方差,M为窗口长度序列;
(4)利用上述(1)、(2)、(3)步骤中得到的各个方差计算观测系统A和观测系统B的量测噪声方差阵;
若当前数据信号量测时刻k小于等于MMax,量测噪声方差阵为:
R1(k)表示数据量测时刻k小于MMax时观测系统A的量测噪声方差阵;R2(k)表示数据量测时刻k小于MMax时观测系统B的量测噪声方差阵;
若当前数据信号量测时刻k大于MMax,量测噪声方差阵为:
其中,k为系统当前数据量测时刻,σ1(k)、σ2(k)分别为观测系统A、观测系统B自差分序列在k时刻的方差,σC(k)为互差分序列在k时刻的方差,M为窗口长度,R1(M,k)表示数据量测时刻k大于MMax时观测系统A的量测噪声方差阵;R2(M,k)表示数据量测时刻k大于MMax时观测系统B的量测噪声方差阵;
步骤四:根据两个观测系统在不同窗口长度下计算得到的量测噪声方差阵信息,得到当前时刻最优窗口长度,使用最优窗口长度计算得当前时刻的量测噪声方差阵,具体为:
(1)当k小于等于MMax时,直接按照步骤三(4)中k小于等于MMax情况下的公式计算量测噪声方差阵:
(2)当k大于MMax时,将k时刻不同窗口下计算得到的噪声方差阵序列使用一次线形函数进行拟合,并记录其斜率;
其中,k为当前时刻,a为拟合直线的斜率,b为拟合直线的截距:
则拟合直线的斜率和截距为:
其中R(MMin,k)、R(MMin+MDis,k)、R(MMax-MDis,k)、R(MMax,k)分别表示窗口长度为MMin,(MMin+MDis),(MMax-MDis),MMax时的量测噪声方差阵;
(3)将拟合直线计算的斜率带入下式方程得到当前时刻k应使用的数据窗口长度M',若计算得到的窗口长度M'小于MMin,则取M'为MMin,且MMin取值为100:
其中:fix(·)表示取整,amax为所拟合的直线达到的最大斜率;
(4)利用最优窗口内的序列信息计算得到最终噪声方差阵的估计值:
R1f(M,k)、R2f(M,k)分别表示观测系统A、观测系统B在k时刻估计得到的量测噪声方差阵。
通过本发明提出的自适应同步估计方法,通过计算两个测量系统自差分序列及互差分序列的方差,计算不同窗口长度下的量测噪声方差阵,得到最优窗口长度,从而计算出最终的噪声方差阵。
本发明的优点在于:
(1)本发明提出了一种对双观测系统量测噪声方差阵的自适应同步估计方法,利用双测量系统自差分序列和互差分序列信息,能够同时有效估计出两个测量系统的量测噪声方差阵。
(2)本发明提出了一种对双观测系统量测噪声方差阵的自适应同步估计方法,可实时调节计算噪声方差阵时的数据窗口长度,提高估计精度。
(3)本发明提出了一种对双观测系统量测噪声方差阵的自适应同步估计方法,单纯利用测量系统信息,避免了误差耦合,精度较高。
附图说明
图1是本发明一种对双观测系统量测噪声方差阵的自适应同步估计方法的流程图;
图2是在测量噪声方差不变情况下,对两个量测系统测量噪声方差阵的估计情况;
图3a在测量噪声法阵为时变情况下,使用固定窗口对量测系统测量噪声方差阵的估计情况;
图3b在测量噪声法阵为时变情况下,使用自适应调节窗口对量测系统测量噪声方差阵的估计情况;
具体实施方式
下面将结合附图对本发明作进一步的详细说明。
本发明提出一种对双观测系统量测噪声方差阵的自适应同步估计方法,如图1所示,包括以下几个步骤:
步骤一:分别得到观测系统A、观测系统B在各时刻的数据信号Z1(i)、Z2(i),其中i为观测系统的数据信号测量时刻。
步骤二:分别计算观测系统A数据信号Z1(i)的自差分序列和观测系统B数据信号Z2(i)的自差分序列,并计算两个自差分序列的互差分序列,具体包括记下几个步骤:
(1)观测系统A数据信号Z1(i)的自差分序列ΔZ1(i)为:
ΔZ1(i)=Z1(i)-Z1(i-1)
其中i-1和i分别表示观测系统A的数据采集时刻。
(2)观测系统B数据信号Z2(i)的自差分序列ΔZ2(i)为:
ΔZ2(i)=Z2(i)-Z2(i-1)
其中i-1和i分别表示观测系统B的数据采集时刻。
(3)观测系统A和观测系统B的两个自差分序列的的互差分序列C(i)为:
C(i)=ΔZ1(i)-ΔZ2(i)
步骤三:分别计算观测系统A数据信号在不同窗口长度下自差分序列的方差,观测系统B数据信号在不同窗口长度下自差分序列的方差,以及两个观测系统在不同窗口长度下互差分序列的方差,并利用方差进行相关计算得到观测系统A、观测系统B不同窗口长度下的量测噪声方差阵R1、R2,具体包括以下几个步骤:
(1)首先选取一个最大窗口长度MMax,最小窗口长度MMin,窗口长度间隔MDis,且窗口长度间隔为MMax与MMin之差的整数倍,若当前数据信号量测时刻k小于等于MMax,则直接采用窗口长度累积的方式计算观测系统A自差分序列的方差:
其中E1(k)表示观测系统A的1到k时刻观测值序列的均值,σ1(k)表示观测系统A的1到k时刻观测值序列的方差。
若当前数据信号量测时刻k大于MMax,则计算观测系统A数据信号在不同窗口长度下自差分序列的方差:
其中,k为观测系统A当前数据信号量测时刻,i为数据信号量测时刻,ΔZ1(i)为观测系统A自差分序列在i时刻的值,E1(M,k)为k时刻窗口长度为M时观测系统A自差分序列的均值,σ1(M,k)为k时刻窗口长度为M时自差分序列的方差,M为窗口长度序列。
(2)若当前数据量测时刻k小于等于MMax,则直接采用窗口长度累积的方式计算观测系统B自差分序列的方差:
其中E2(k)表示观测系统B的1到k时刻观测值序列的均值,σ2(k)表示观测系统B的1到k时刻观测值序列的均值。
若当前数据量测时刻k大于MMax,则计算观测系统B数据信号在不同窗口长度下的自差分序列的方差:
其中,k为观测系统B当前数据信号量测时刻,i为数据信号量测时刻,ΔZ2(i)为观测系统B自差分序列在i时刻的值,E2(M,k)为k时刻窗口长度为M时观测系统B自差分序列的均值,σ2(M,k)为k时刻窗口长度为M时的自差分序列方差,M为窗口长度序列。
(3)若当前数据量测时刻k小于等于MMax,计算两个观测系统互差分序列的方差σC(k):
其中,C(i)表示观测系统A和观测系统B自差分序列的互差分序列;EC(k)表示k时刻互差分序列的均值。
若当前系统数据量测时刻k大于MMax,则按下式计算两个量测系统互差分序列的方差:
其中,k为测量系统当前数据信号量测时刻,i为数据信号量测时刻,C(i)为互差分序列在i时刻的值,EC(M,k)为k时刻窗口长度为M时互差分序列的均值,σC(M,k)为k时刻窗口长度为M时互差分序列的方差,M为窗口长度序列。
(4)利用上述(1)、(2)、(3)步骤中得到的各个方差计算观测系统A和观测系统B的量测噪声方差阵。
若当前数据信号量测时刻k小于等于MMax,量测噪声方差阵为:
R1(k)表示数据量测时刻k小于MMax时观测系统A的量测噪声方差阵;R2(k)表示数据量测时刻k小于MMax时观测系统B的量测噪声方差阵。
若当前数据信号量测时刻k大于MMax,量测噪声方差阵为:
其中,k为系统当前数据量测时刻,σ1(k)、σ2(k)分别为观测系统A、观测系统B自差分序列在k时刻的方差,σC(k)为互差分序列在k时刻的方差,M为窗口长度。R1(M,k)表示数据量测时刻k大于MMax时观测系统A的量测噪声方差阵;R2(M,k)表示数据量测时刻k大于MMax时观测系统B的量测噪声方差阵。
步骤四:根据两个观测系统在不同窗口长度下计算得到的量测噪声方差阵信息,得到当前时刻最优窗口长度,使用最优窗口长度计算得当前时刻的量测噪声方差阵,具体包括以下几个步骤:
(1)当k小于等于MMax时,直接按照步骤三(4)中k小于等于MMax情况下的公式计算量测噪声方差阵。直接使用下式计算量测噪声方差阵。
(2)当k大于MMax时,将k时刻不同窗口下计算得到的噪声方差阵序列使用一次线形函数进行拟合,并记录其斜率。
其中,k为当前时刻,a为拟合直线的斜率,b为拟合直线的截距,记:
则拟合直线的斜率和截距即为:
其中R(MMin,k)、R(MMin+MDis,k)、R(MMax-MDis,k)、R(MMax,k)分别表示窗口长度为MMin,(MMin+MDis),(MMax-MDis),MMax时的量测噪声方差阵。
(3)将拟合直线计算的斜率带入下式方程得到当前时刻k应使用的数据窗口长度M',并且如果计算得到的窗口长度M'小于MMin(MMin取值为100),则取M'为MMin。
式中:fix(·)表示取整,amax为所拟合的直线能达到的最大斜率,它反应了量测噪声方差阵的抖动程度,amax一般取3~7。
(4)利用最优窗口内的序列信息计算得到最终噪声方差阵的估计值。
R1f(M,k)、R2f(M,k)分别表示观测系统A、观测系统B在k时刻估计得到的量测噪声方差阵。通过上述方法,基于不同测量参考系统的自差分序列及互差分序列信息,自适应调节窗口长度,可有效完成对测量噪声方差阵的估计值。
实施例:
应用本发明提出的一种对双观测系统量测噪声方差阵的自适应同步估计方法,分别对观测系统A、观测系统B的测量值加方差值不变白噪声、方差值时变白噪声,使用本发明方法对噪声值进行估计,验证其有效性。
如图2所示,对加了固定方差值白噪声的观测系统A、观测系统B,利用本发明对其量测噪声方差阵进行估计,其中观测系统A所加白噪声方差值为10,观测系统B所加白噪声方差值为5,结果显示,估计值可以有效逼近真值。如图3a和图3b所示,对加了时变方差白噪声的观测系统A和加了固定值白噪声的观测系统B,图3a为使用固定窗口两个系统量测噪声值的估计结果,图3b为使用本发明提出方法的估计结果,其中观测系统A所加白噪声方差为10,在3000s至4000s时间内由10变为50,4000s至5500s时间内为50,5500s至6500s时间内由50变为10,6500s至9000s为10,观测系统B所加白噪声方差为20,本实施例的估计中,使用的最大窗口长度MMax为1000,最小窗口长度MMin为100,窗口长度间隔MDis为50,根据结果可知,本发明方法的估计结果误差小,抖动小,精度高,能够更加有效逼近真值。
Claims (2)
1.一种对双观测系统量测噪声方差阵的自适应同步估计方法,其特征在于:包括以下几个步骤:
步骤一:分别得到观测系统A、观测系统B在各时刻的数据信号Z1(i)、Z2(i),其中i为观测系统的数据信号测量时刻;
步骤二:分别计算观测系统A数据信号Z1(i)的自差分序列和观测系统B数据信号Z2(i)的自差分序列,并计算两个自差分序列的互差分序列,具体为:
(1)观测系统A数据信号Z1(i)的自差分序列ΔZ1(i)为:
ΔZ1(i)=Z1(i)-Z1(i-1)
其中i-1和i分别表示观测系统A的数据采集时刻;
(2)观测系统B数据信号Z2(i)的自差分序列ΔZ2(i)为:
ΔZ2(i)=Z2(i)-Z2(i-1)
其中i-1和i分别表示观测系统B的数据采集时刻;
(3)观测系统A和观测系统B的两个自差分序列的互差分序列C(i)为:
C(i)=ΔZ1(i)-ΔZ2(i)
步骤三:分别计算观测系统A数据信号在不同窗口长度下自差分序列的方差,观测系统B数据信号在不同窗口长度下自差分序列的方差,以及两个观测系统在不同窗口长度下互差分序列的方差,并利用方差进行相关计算得到观测系统A、观测系统B不同窗口长度下的量测噪声方差阵R1、R2,具体为:
(1)首先选取最大窗口长度MMax、最小窗口长度MMin和窗口长度间隔MDis,且MMax与MMin之差为窗口长度间隔MDis的整数倍,若当前数据信号量测时刻k小于等于MMax,则直接采用窗口长度累积的方式计算观测系统A自差分序列的方差:
其中E1(k)表示观测系统A的1到k时刻观测值序列的均值,σ1(k)表示观测系统A的1到k时刻观测值序列的方差;
若当前数据信号量测时刻k大于MMax,则计算观测系统A数据信号在不同窗口长度下自差分序列的方差:
其中,k为观测系统A当前数据信号量测时刻,i为数据信号量测时刻,ΔZ1(i)为观测系统A自差分序列在i时刻的值,E1(M,k)为k时刻窗口长度为M时观测系统A自差分序列的均值,σ1(M,k)为k时刻窗口长度为M时自差分序列的方差,M为窗口长度序列;
(2)若当前数据量测时刻k小于等于MMax,则直接采用窗口长度累积的方式计算观测系统B自差分序列的方差:
其中E2(k)表示观测系统B的1到k时刻观测值序列的均值,σ2(k)表示观测系统B的1到k时刻观测值序列的方差;
若当前数据量测时刻k大于MMax,则计算观测系统B数据信号在不同窗口长度下的自差分序列的方差:
其中,k为观测系统B当前数据信号量测时刻,i为数据信号量测时刻,ΔZ2(i)为观测系统B自差分序列在i时刻的值,E2(M,k)为k时刻窗口长度为M时观测系统B自差分序列的均值,σ2(M,k)为k时刻窗口长度为M时的自差分序列方差,M为窗口长度序列;
(3)若当前数据量测时刻k小于等于MMax,计算两个观测系统互差分序列的方差σC(k):
其中,C(i)表示观测系统A和观测系统B自差分序列在i时刻的互差分序列;EC(k)表示k时刻互差分序列的均值;
若当前系统数据量测时刻k大于MMax,则按下式计算两个量测系统互差分序列的方差:
其中,k为测量系统当前数据信号量测时刻,i为数据信号量测时刻,C(i)表示观测系统A和观测系统B自差分序列在i时刻的互差分序列,EC(M,k)为k时刻窗口长度为M时互差分序列的均值,σC(M,k)为k时刻窗口长度为M时互差分序列的方差,M为窗口长度序列;
(4)利用上述(1)、(2)、(3)步骤中得到的各个方差计算观测系统A和观测系统B的量测噪声方差阵;
若当前数据信号量测时刻k小于等于MMax,量测噪声方差阵为:
R1(k)表示数据量测时刻k小于等于MMax时观测系统A的量测噪声方差阵;R2(k)表示数据量测时刻k小于等于MMax时观测系统B的量测噪声方差阵;
若当前数据信号量测时刻k大于MMax,量测噪声方差阵为:
其中,k为系统当前数据量测时刻,σ1(k)、σ2(k)分别为观测系统A、观测系统B自差分序列在k时刻的方差,σC(k)为互差分序列在k时刻的方差,M为窗口长度,R1(M,k)表示数据量测时刻k大于MMax时观测系统A的量测噪声方差阵;R2(M,k)表示数据量测时刻k大于MMax时观测系统B的量测噪声方差阵;
步骤四:根据两个观测系统在不同窗口长度下计算得到的量测噪声方差阵信息,得到当前时刻最优窗口长度,使用最优窗口长度计算得当前时刻的量测噪声方差阵,具体为:
(1)当k小于等于MMax时,直接按照步骤三(4)中k小于等于MMax情况下的公式计算量测噪声方差阵:
(2)当k大于MMax时,将k时刻不同窗口下计算得到的噪声方差阵序列使用一次线形函数进行拟合,并记录其斜率;
其中,k为当前时刻,a为拟合直线的斜率,b为拟合直线的截距:
则拟合直线的斜率和截距为:
其中R(MMin,k)、R(MMin+MDis,k)、R(MMax-MDis,k)、R(MMax,k)分别表示窗口长度为MMin,(MMin+MDis),(MMax-MDis),MMax时的量测噪声方差阵;
(3)将拟合直线计算的斜率带入下式方程得到当前时刻k应使用的数据窗口长度M',若计算得到的窗口长度M'小于MMin,则取M'为MMin,且MMin取值为100:
其中:fix(·)表示取整,amax为所拟合的直线达到的最大斜率;
(4)利用最优窗口内的序列信息计算得到最终噪声方差阵的估计值:
R1f(M,k)、R2f(M,k)分别表示观测系统A、观测系统B在k时刻估计得到的量测噪声方差阵。
2.根据权利要求1所述的一种对双观测系统量测噪声方差阵的自适应同步估计方法,其特征在于:所述的最大斜率amax取值为3~7。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210213914.7A CN102749096B (zh) | 2012-06-25 | 2012-06-25 | 一种对双观测系统量测噪声方差阵的自适应同步估计方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201210213914.7A CN102749096B (zh) | 2012-06-25 | 2012-06-25 | 一种对双观测系统量测噪声方差阵的自适应同步估计方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN102749096A CN102749096A (zh) | 2012-10-24 |
CN102749096B true CN102749096B (zh) | 2014-11-05 |
Family
ID=47029472
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201210213914.7A Expired - Fee Related CN102749096B (zh) | 2012-06-25 | 2012-06-25 | 一种对双观测系统量测噪声方差阵的自适应同步估计方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN102749096B (zh) |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0894364B1 (en) * | 1996-04-19 | 2003-04-02 | Amati Communications, Inc. | Radio frequency noise canceller |
CN101592492A (zh) * | 2009-07-06 | 2009-12-02 | 北京航空航天大学 | 车载导航系统误差协方差阵部分参数自适应调节的方法 |
CA2666292A1 (en) * | 2009-05-25 | 2010-11-25 | Ky M. Vu | A new algorithm for the adaptiveinfinite impulse response filter |
CN102096086A (zh) * | 2010-11-22 | 2011-06-15 | 北京航空航天大学 | 一种基于gps/ins组合导航系统不同测量特性的自适应滤波方法 |
-
2012
- 2012-06-25 CN CN201210213914.7A patent/CN102749096B/zh not_active Expired - Fee Related
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP0894364B1 (en) * | 1996-04-19 | 2003-04-02 | Amati Communications, Inc. | Radio frequency noise canceller |
CA2666292A1 (en) * | 2009-05-25 | 2010-11-25 | Ky M. Vu | A new algorithm for the adaptiveinfinite impulse response filter |
CN101592492A (zh) * | 2009-07-06 | 2009-12-02 | 北京航空航天大学 | 车载导航系统误差协方差阵部分参数自适应调节的方法 |
CN102096086A (zh) * | 2010-11-22 | 2011-06-15 | 北京航空航天大学 | 一种基于gps/ins组合导航系统不同测量特性的自适应滤波方法 |
Non-Patent Citations (3)
Title |
---|
张海,等.基于GPS/INS不同测量特性的自适应卡尔曼滤波算法.《中国惯性技术学报》.2010,第18卷(第6期),第696~701页. * |
杜洪越.带观测噪声系统参数估计新方法和新算法.《中国优秀博硕士学位论文全文数据库(硕士) 工程科技II辑》.2004,全文. * |
高媛.两传感器信息融合最优和自校正滤波器.《中国优秀博硕士学位论文全文数据库(硕士) 信息科技辑》.2005,全文. * |
Also Published As
Publication number | Publication date |
---|---|
CN102749096A (zh) | 2012-10-24 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN104713560B (zh) | 基于期望最大化的多源测距传感器空间配准方法 | |
EP2511657B1 (en) | Differential altitude estimation utilizing spatial interpolation of pressure sensor data | |
EP2769233B1 (en) | Time of arrival based wireless positioning system | |
CN101982732B (zh) | 一种基于esoqpf和ukf主从滤波的微小卫星姿态确定方法 | |
CN105841762B (zh) | 超声波水表的流量计量方法和系统 | |
CN108319570B (zh) | 一种异步多传感器空时偏差联合估计与补偿方法及装置 | |
CN108196267B (zh) | 一种基于gnss cp技术的不间断时间传递方法 | |
CN107526070A (zh) | 天波超视距雷达的多路径融合多目标跟踪算法 | |
CN108709521A (zh) | 一种高精度位移测量装置及测量方法 | |
CN101483805A (zh) | 一种视距和非视距混合环境下的无线定位方法 | |
CN106597498A (zh) | 多传感器融合系统空时偏差联合校准方法 | |
EP2866046B1 (en) | Self-locating mobile receiving device | |
CN106342175B (zh) | 一种提高陀螺精度的数据融合方法 | |
CN103323815A (zh) | 一种基于等效声速的水下声学定位方法 | |
CN104066179A (zh) | 一种改进的自适应迭代ukf的wsn节点定位方法 | |
CN109782238A (zh) | 一种传感器阵列阵元幅相响应和阵元位置的联合校准方法 | |
Einicke et al. | EM algorithm state matrix estimation for navigation | |
CN102749096B (zh) | 一种对双观测系统量测噪声方差阵的自适应同步估计方法 | |
CN106792799B (zh) | 一种基于贝叶斯网络的移动传感器网络降噪和校准方法 | |
CN106707234B (zh) | 一种联合时延差与角度测量的传感器网络目标定位方法 | |
Wang et al. | Pedestrian motion tracking by using inertial sensors on the smartphone | |
CN107552657A (zh) | 一种热冲压模具的冷却系统 | |
CN111708009B (zh) | 一种水下声学异步测距方法 | |
CN113029394A (zh) | 一种测温模块温度校准方法及系统 | |
CN104467742A (zh) | 基于高斯混合模型的传感器网络分布式一致性粒子滤波器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20141105 Termination date: 20160625 |
|
CF01 | Termination of patent right due to non-payment of annual fee |