作者:戴路,金光,陈涛 单位:吉林大学 出版:《吉林大学学报(工学版)》2008年第02期 页数:5页  (PDF与DOC格式可能不同) PDF编号:PDFJLGY2008020430 DOC编号:DOCJLGY2008020439 下载格式:PDF + Word/doc 文字可复制、可编辑
《基于自适应联邦滤波的卫星姿态确定》PDF+DOC2013年第02期 李鹏,唐健,段广仁,宋申民 《改进自适应卡尔曼滤波的拖拉机驱动轮滑转率估计》PDF+DOC2017年第04期 周志立,刘尧,徐立友 《基于AEKF的永磁同步电机容错控制研究》PDF+DOC2017年第10期 杜斌,刘亚慧,姚善化 《基于地标导航的卫星姿态确定方法研究》PDF+DOC2012年第10期 徐春鹏,宋华 《基于多敏感器的卫星姿态确定算法》PDF+DOC2011年第06期 赵琳,曹阳,苏中华 《基于地磁场的轨道姿态一体化确定》PDF+DOC2009年第07期 邢艳军,张世杰,曹喜滨 《改进型自适应无迹卡尔曼姿态算法》PDF+DOC2017年第10期 侯江宽,马珺,贾华宇 《MEMS惯性传感器ADIS16355在姿态测量中的应用》PDF+DOC2012年第04期 黎永键,赵祚喜,高俊文 《基于渐消自适应EKF的感应电机转速观测器》PDF+DOC2010年第10期 孙奎,吴凤江,王要强,孙力 《基于扩展卡尔曼滤波的PMSM无速度传感器控制系统》PDF+DOC2008年第06期 宋晓燕,叶予光,张晓鹏
  • 扩展卡尔曼滤波(以下简称EKF)算法应用于卫星姿态确定系统时需要已知精确的系统模型及过程噪声和观测噪声统计特性,并有计算量过大的问题。本文在EKF算法中加入噪声观测器,构成自适应扩展卡尔曼滤波算法(Adaptive Extended Kalman Filter,以下简称AEKF),使系统能够在传感器噪声统计特性未知的情况下,依然获得较高的系统状态估计精度,增强了系统的鲁棒性。并且AEKF算法简化了系统状态方程,相对于EKF算法减少计算量。经数学仿真验证,AEKF算法能较好地对传感器噪声的统计特性进行在线估计,使姿态确定系统正常工作,有较高的工程应用价值。

    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。