《WSNs下移动机器人HuberM-CKF离散滤波定位》PDF+DOC
作者:邓先瑞,聂雪媛,刘国平
单位:四川省计算机研究院
出版:《计算机应用研究》2016年第06期
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFJSYJ2016060560
DOC编号:DOCJSYJ2016060569
下载格式:PDF + Word/doc 文字可复制、可编辑
《WSNs环境下基于高斯混合容积卡尔曼滤波的移动机器人定位算法》PDF+DOC2017年第01期 陈晓飞,凌有铸,陈孟元
《WSNs中节点协同声源定位协议研究》PDF+DOC2011年第02期 夏娜,赵娟
《WSNS中基于箱线图的误差自校正定位算法》PDF+DOC2017年第07期 金仁成,李应琛,马远,赵继鹏
《基于里程计和超声波群多传感器融合机器人定位导航方法》PDF+DOC2019年第03期 李婷,崔艳艳,杨海斌,刘游龙,樊泽明
《基于激光跟踪测量的机器人定位研究》PDF+DOC2018年第12期 黄朝阳,乔晓利
《移动机器人扩展卡尔曼滤波定位与传感器误差建模》PDF+DOC2012年第04期 安雷,张国良,张维平,敬斌
《基于粒子群优化算法的WSNs节点定位研究》PDF+DOC2009年第02期 王晓乐,徐家品
《基于GPS的移动机器人多传感器定位信息融合》PDF+DOC2006年第06期 孟祥荔,曹作良
《基于WSNs的定位策略在滑坡监测中的应用》PDF+DOC2015年第05期 胡春安,张起辉
《基于时间同步的WSNs声音定位系统研究》PDF+DOC2013年第07期 翟红生,于海鹏
针对传统移动机器人定位算法精度不高的问题,提出一种基于无线传感器网络Hurb M-CKalman滤波(HCKF)算法的移动机器人定位算法。利用Hurb M极大似然估计代价函数,求解线性化后CKF观测矩阵,从而解决CKF滤波算法在未知非高斯白噪声干扰下估计精度不高的问题。然后,在体育馆基于WSNs构建了移动机器人定位实验环境,并结合移动机器人动力学模型,对HCKF、CKF算法的定位精度进行对比。结果显示,在不含噪声干扰和含未知噪声干扰两种情况下,HCKF算法定位精度分别比CKF算法提高7%和15%。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。