《卡尔曼滤波在小车环境感知中的应用研究》PDF+DOC

📙 相关资料

1. 《基于扩展卡尔曼滤波的人体行为识别算法》PDF+DOC 针对人体行为事件，研究了多传感器数据采集模型和扩展卡尔曼滤波优化算法的应用。系统将加速度传感器分量数据映射为三维加速度空间，并与压力传感器数据结合建立四维实时数据采集空间。基于系统的模型特征，提出了非线性系统下的扩展卡尔曼滤波算法。系统利用优化算法对数据实现最优估计，并依据传感器信噪比对优化数据进一......
2. 《两轮自平衡车运动姿态的测量和控制》PDF+DOC 两轮自平衡车姿态测量与控制是两轮自平衡车设计的关键环节。针对两轮自平衡车倾角的测量问题，采用了卡尔曼多传感融合算法。该算法融合了加速度传感器和陀螺仪传感器数据，实现了两轮自平衡车倾角实时在线估算。根据测量得到的倾角和角速度，采用了比例微分(PD)控制算法，实现了两轮自平衡车姿态的稳定控制。...
3. 《基于MF-R和AWS密钥管理机制的物联网健康监测大数据分析系统》PDF+DOC 带有传感器的可穿戴式医疗设备不断生成大量数据，由于数据的复杂性，难以通过处理和分析大数据来找到有价值的决策信息。为了解决这个问题，提出一种新的物联网体系结构，用于存储和处理医疗应用的可扩展传感器数据(大数据)。所提出的架构主要由Meta fog重定向(MF-R)架构和AWS密钥管理机制两个子架构组成......
4. 《多传感器数据的准分层融合法》PDF+DOC 本文针对非线性多传感器系统的状态估计问题，提出了准分层融合算法。文中，首先推出了准分层融合估计式，而后说明其算法，并讨论其性质，最后，给出其工程上可实现的结构框图。理论结果表明，该算法可用作多传感器的广义卡尔曼滤波。实际需要表明，该算法比文献￣［１］中线性系统的分层融合法更有应用前景。...
5. 《可移动机器人的马尔可夫自定位算法研究》PDF+DOC 马尔可夫定位算法是利用机器人运动环境中的概率密度分布进行定位的方法 .使用该方法机器人可在完全不知道自己位置的情况下通过传感器数据和运动模型来估计自己的位置 .但是 ，在研究中发现它还存在一些问题 ，如概率减小到零后就无法恢复 .对只有距离传感器的机器人在对称的环境中仅仅采用该算法就无法确定位置 .......
6. 《高斯马尔可夫融合算法在卡尔曼滤波中的应用》PDF+DOC 针对目前常用的按标量、对角阵、矩阵加权融合方法过程较复杂，计算负担较重的问题，结合三维目标跟踪模型提出一种高斯马尔可夫融合方法来融合卡尔曼滤波估计值，不需要计算局部稳态滤波误差互协方差，只需要知道传感器的观测噪声方差就可以了。计算方法和操作相对简单，省略了很多繁琐步骤也能达到不错的滤波融合效果，通过......
7. 《多雷达系统数据融合与航迹预测》PDF+DOC 为了便于准确定位传感器网络，分布式的单雷达系统首先进行各自的数据处理，包括：地理坐标换算至平面直角坐标；剔除孤立的异常点迹；采用模糊c-均值聚类方法和“动态分区”，将单雷达数据中属于同目标的相似点迹归类集合；根据雷达观测和目标运动的特征，在每个点迹集合中设计门限滤波和相关矩阵检验，提取完整连续的目标......
8. 《一种改进的多传感器数据融合方法》PDF+DOC 最优加权法在数据融合时需要确知噪声方差信息，其权值固定不变，而联合卡尔曼滤波法需要确知噪声协方差信息。在噪声先验信息与实际数值差别较大或传感器系统噪声相关时，这两种方法的参数估计精度将急剧下降。针对以上不足，文中提出了一种新的动态最优加权和最小二乘滤波相结合的数据融合方法，该方法能随传感器信号起伏的......
9. 《复杂系统多传感器数据融合技术及应用研究》PDF+DOC 复杂系统多传感器数据融合是一门新兴的技术，它通过对来自多个传感器的数据进行多级别、多方面、多层次的处理从而产生出单个传感器所不能获得的更有意义的信息。数据融合在军事领域和民用领域都有很大的发展和应用前景。本文论述了复杂系统多传感器数据融合的基本原理、功能模型、层次结构、融合方法等，并指出了多源传感器......
10. 《基于模糊PID卡尔曼滤波的多传感信息融合移动机器人定位研究》PDF+DOC 当工业移动机器人处于复杂工作环境中，其信息序列误差随各量测噪声特性的变化而增大，若使用卡尔曼滤波器进行多传感信息融合则很难做到实时测量和调整，融合后的误差也随之倍增。为解决此问题，在卡尔曼滤波融合前引入增量式模糊自适应PID控制，通过模糊规则设计，改善滤波噪声方差，对融合信息进行限制，并对限制后的速......