卡尔曼滤波器的对应公式是一样的。 6)t时刻的均方误差方程 P\left( t|t \right)=\left[ I-K\left( t \right)\cdot C \right]P\left( t|t-1 \right)(6) 卡尔曼滤波器的对应公式是一样的。 接下来开始更新\bar{q}\left( t \right),\bar{Q}\left( t \right),\bar{r}\left( t \right...
其中，表示状态量，输出量，输入量。 为噪声 区别于卡尔曼滤波的最主要的地方在于后续将进行更新的公式。那么，Sage-Husa滤波器的公式如下。1）计算一步预测方程 这里的上标表示为估计值。 卡尔曼滤波器的对应公式为，即为0。2）一步预测均方误差方程 卡尔曼滤波器的对应公式为，也就是为常数 3）更新...
(1)对管道内的流量进行时差采集;(2)对时差数据建立Sage‑Husa自适应卡尔曼滤波模型方程;(3)引入加权系数d(t);(4)进行噪声协方差、系统噪声协方差和状态协方差更新及预测;(5)Sage‑Husa自适应卡尔曼的残差增益更新及协方差更新;(6)数据状态更新,将处理后的时差信息在matlab中显示滤波效果,通过得到的时差进行...
读取海洋地磁传感器的输出数据作为量测量;步骤二:建立系统状态方程和量测方程;步骤三:在t_(k1)时刻利用SageHusa自适应卡尔曼滤波器估计出t_k时刻的地磁总场值,并对系统噪声阵Q和量测噪声阵R进行更新和修正;步骤四:海洋磁力仪运行时间为M,若t_k=M,则保存数据,海洋磁力仪完成测量工作;若t_k<M,则回...
目的 针对多自主水下航行器(AUV)在航行过程中的定位精度等问题,提出一种基于自适应渐消Sage-Husa扩展卡尔曼滤波的多AUV协同定位算法。 方法 首先,改进滤波算法中的自适应滤波器,由渐消记忆指数加权得到新息协方差估计值,并引入渐消因子修正预测误差协方差,以达到调节滤波增益的目的。然后,建立多AUV协同导航模型,得到...
基于Sage-Husa的线性自适应平方根卡尔曼滤波算法 基于Sage-Husa的线性⾃适应平⽅根卡尔曼滤波算法
扩展卡尔曼滤波(EKF)算法估计锂离子动力电池荷电状态(SOC)时,由于系统噪声的不确定,可能导致估计算法不精确,并且算法中的线性化处理受电池模型的影响很大。为了解决上述两个问题,本文采用改进Sage-Husa的自适应无迹卡尔曼滤波法(AUKF)来动态地估计多元复合锂离子电池的SOC。与EKF相比,改进Sage-Husa的自适应卡尔曼滤...
学院,陕西西安 \3.中船重工第713研究所,河南郑州 710072;2.西北工业大学机电学院,陕西西安 45O0o0 摘要:针对标准卡尔曼滤波和扩展卡尔曼滤波存在的局限性,结合平方根滤波的思想,对传统Sage— Husa估计器进行改进,提出了一种新的线性自适应平方根卡尔曼滤波(LinearAdaptiveSquare—Root KalmanFiltering,LASR~ )算法。
Sage-husa adaptive filteringfading factor【目的】针对多自主水下航行器(AUV)在航行过程中的定位精度等问题,提出一种基于自适应渐消Sage-husa扩展卡尔曼滤波的多AUV协同定位算法.该算法对滤波算法中的自适应滤波器进行改进,通过渐消记忆指数加权得到新息协方差估计值,并且引入渐消因子对预测误差协方差阵进行调整.【...
(71)申请人 南京航空航天大学地址 211106 江苏省南京市秦淮区御道街29号(72)发明人 周翟和 刘颀绮 程遵堃 (51)Int.Cl.G01C 21/20 (2006.01) (54)发明名称一种Sage-Husa自适应无迹卡尔曼滤波姿态数据融合方法(57)摘要本发明提出的一种Sage-Husa自适应无迹卡尔曼滤波姿态数据融合方法,属于数字滤波和多传感器...