附等式约束的卡尔曼滤波算法研究与应用

附等式约束的卡尔曼滤波算法研究与应用

论文摘要

随着测绘科学技术的不断进步,现代数据处理理论也在不断扩展,其中动态定位理论的发展尤为明显。卡尔曼滤波是动态定位数据处理中常用的方法,由于其具有实时性,递推性,且不需要存储历史数据等,所以它非常适于实时运算以及计算机操作。卡尔曼滤波被越来越多地应用于动态定位中,如GPS实时定位、惯性导航和融合导航等。然而,动态定位数据处理理论始终局限于对原始数据的处理上,并没有充分利用一些有用的先验信息。尤其在现如今的大地测量领域,测量技术高速发展,观测手段的逐步多样化,使得我们得到的观测信息越来越丰富。如果对获取的观测信息中,任何一个观测目标或对象的物理、力学性质的了解也越多,那我们根据这些先验信息建立约束的可能性也就越大,若能充分利用这些先验约束信息,有效结合卡尔曼滤波建立模型,这样则可以提高计算精度,从而精确定位结果。因此,研究约束滤波算法是非常必要的。本文系统地研究了等式约束滤波的各种算法,并对其进行相互比较,作者在研究过程中,将等式约束问题转换成凸二次规划问题,再利用库恩塔克条件将问题转成LCP问题,利用Lemke算法给出约束滤波估计值的显式表达式。最后我们结合了车辆动态定位实验进行验证,取得了良好的效果。并且本文还对等式约束滤波的解及其统计性质进行了初步的研究。具体的研究内容如下:(1)论文综述了国内外学者提出的几种主要线性等式约束滤波算法,并对其进行验证分析。随后,给出本文利用二次规划中的Lemke算法给出约束滤波估计值的显式表达式。(2)论文分析了带有等式约束的抗差滤波算法,提出了当观测中出现粗差时的处理方法。(3)论文分析了等式约束滤波的解的统计性质,把附有等式约束的卡尔曼滤波算法向附有不等式约束的卡尔曼滤波算法进行了扩展。(4)论文给出了非线性系统下等式约束滤波算法的研究内容及模拟分析。本论文的结构框架如下:第一章等式约束模型的综述;第二章分析了等式约束平差模型的算法及其特点,利用Lemke算法给出约束滤波估计值的显式表达式;第三章应用抗差约束滤波,对观测值被粗差污染情形给出了一种处理方法;第四章分析了等式约束滤波解的统计性质;第五章把等式约束滤波扩展到不等式约束滤波模型;第六章研究了在非线性系统下的约束滤波模型的解法;第七章通过实例描述了实验过程及数据处理过程并验证了算法的有效性;最后一章总结全文,并对下一步的研究工作和应用作出了展望。

论文目录

  • 摘要
  • ABSTRACT
  • 第一章 绪论
  • 1.1 概述
  • 1.2 等式约束滤波模型的提出
  • 1.3 国内外研究进展和现状
  • 1.4 本文的主要研究内容
  • 1.5 本章小结
  • 第二章 附等式约束动态滤波的主要算法及特点
  • 2.1 线性系统下约束滤波模型
  • 2.2 主要算法及特点
  • 2.2.1 极大似然法
  • 2.2.2 均方误差法
  • 2.2.3 投影法
  • 2.2.4 等式约束滤波解
  • 2.3 等式软约束滤波算法
  • 2.4 等式约束滤波模型的一种新的求解方法
  • 2.5 算例分析
  • 2.6 程序代码
  • 2.7 本章小结
  • 第三章 附等式约束抗差滤波算法
  • 3.1 等式约束抗差滤波模型及估计方法
  • 3.1.1 组合抗差递推估计式
  • 3.1.2 两步抗差递推估计式
  • 3.2 带约束的抗差卡尔曼滤波理论分析
  • 3.3 等式约束滤波解的性质
  • 3.4 本章小结
  • 第四章 不等式约束卡尔曼滤波
  • 4.1 不等式约束滤波的主要算法
  • 4.1.1 极大似然法
  • 4.1.2 均方误差法
  • 4.1.3 投影法
  • 4.2 不等式约束滤波估计问题的解
  • 4.3 等式约束滤波与不等式约束滤波之间的关系
  • 4.4 不等式约束滤波解的性质
  • 4.5 本章小结
  • 第五章 非线性等式约束卡尔曼滤波算法
  • 5.1 非线性离散系统的扩展卡尔曼滤波
  • 5.2 线性约束和非线性约束
  • 5.3 模拟仿真
  • 5.4 本章小结
  • 第六章 实验及算法分析
  • 6.1 实验说明
  • 6.2 数据处理
  • 6.3 实验分析
  • 第七章 结论和展望
  • 7.1 本文的主要结论
  • 7.2 展望及下一步研究工作
  • 参考文献
  • 在攻读硕士学位期间发表的论文
  • 致谢
  • 相关论文文献

    • [1].基于新型卡尔曼滤波算法的称重系统实现研究[J]. 自动化与仪表 2020(02)
    • [2].用于干扰对消的稀疏约束卡尔曼滤波算法[J]. 空军工程大学学报(自然科学版) 2020(02)
    • [3].基于卡尔曼滤波算法的研究和分析[J]. 长治学院学报 2020(02)
    • [4].基于卡尔曼滤波算法的无线船模遥控器研究[J]. 电脑知识与技术 2020(14)
    • [5].基于熵准则的卡尔曼滤波算法的姿态估计[J]. 传感器与微系统 2020(07)
    • [6].卡尔曼滤波算法及其在真实成绩预测中的应用[J]. 中国新通信 2018(23)
    • [7].迭代自适应容积卡尔曼滤波算法[J]. 电子测量技术 2019(17)
    • [8].一种简化的强跟踪容积卡尔曼滤波算法[J]. 电光与控制 2017(01)
    • [9].卡尔曼滤波算法研究[J]. 舰船电子对抗 2017(03)
    • [10].线性卡尔曼滤波算法在磁感应断层成像技术中的仿真研究[J]. 医疗卫生装备 2016(01)
    • [11].卡尔曼滤波算法的硬件实现研究[J]. 无线电工程 2016(06)
    • [12].基于线性分式变换的U卡尔曼滤波算法[J]. 信息与控制 2013(05)
    • [13].基于最小二乘法和卡尔曼滤波算法的平面电子罗盘误差补偿方法研究[J]. 宿州学院学报 2019(11)
    • [14].基于卡尔曼滤波算法的三元锂电池电路模型设计[J]. 数字技术与应用 2019(11)
    • [15].自适应卡尔曼滤波算法在压裂作业中的应用[J]. 石油机械 2020(05)
    • [16].基于卡尔曼滤波的浙江省住户存款预测[J]. 金融理论与教学 2020(04)
    • [17].卡尔曼滤波算法在我国钢产量预测中的运用[J]. 徐州工程学院学报(自然科学版) 2018(02)
    • [18].带渐消因子的容积卡尔曼滤波算法[J]. 科技与创新 2017(13)
    • [19].基于内点法的不敏卡尔曼滤波算法[J]. 软件导刊 2017(06)
    • [20].卡尔曼滤波算法在极化曲线在线估计中的应用[J]. 上海汽车 2016(02)
    • [21].优化卡尔曼滤波算法中的目标函数选择解析[J]. 科技展望 2016(26)
    • [22].优化的卡尔曼滤波算法在船用逆变器中的应用[J]. 科技创新导报 2015(19)
    • [23].扩展卡尔曼滤波算法初值选取方法[J]. 声学与电子工程 2012(01)
    • [24].无味卡尔曼滤波算法形式及性能研究[J]. 弹箭与制导学报 2012(03)
    • [25].改进的卡尔曼滤波算法在行驶汽车状态估计中的应用现状[J]. 价值工程 2011(19)
    • [26].转换坐标卡尔曼滤波算法在雷达数据融合中的应用[J]. 仪器仪表用户 2011(04)
    • [27].优化卡尔曼滤波算法中的目标函数选择[J]. 系统工程与电子技术 2009(01)
    • [28].基于最大相关熵的雷达扩展卡尔曼滤波算法研究[J]. 中国传媒大学学报(自然科学版) 2020(03)
    • [29].用卡尔曼滤波算法预测埃塞俄比亚咖啡价格(英文)[J]. Journal of Resources and Ecology 2018(03)
    • [30].基于改进扩展卡尔曼滤波的单站无源定位算法[J]. 计算机工程与应用 2016(10)

    标签:;  ;  ;  ;  ;  

    附等式约束的卡尔曼滤波算法研究与应用
    下载Doc文档

    猜你喜欢