-
公开(公告)号：CN108983215A
公开(公告)日：2018-12-11
申请号：CN201810515202.8
申请日：2018-05-25
Applicant: 哈尔滨工程大学
IPC: G01S13/72
Abstract: 本发明提供一种基于最大互相关熵自适应无迹粒子滤波器的目标跟踪方法，采用MCAUPF完成目标跟踪过程中的状态估计问题。在目标跟踪过程中，首先将目标跟踪的状态方程和量测方程重构成非线性递归模型，然后在无迹粒子滤波的框架中采用最大互相关熵无迹卡尔曼滤波产生粒子滤波中所需的重要性概率密度函数，然后采用Kullback–Leibler距离重采样方法对产生的粒子进行重采样，最后按照UPF的算法流程获取对跟踪目标状态的估计，从而实现对目标的实时跟踪。将MCAUPF方法应用在量测噪声出现野值的目标跟踪中，能够获得比现有的PF、改进PF以及鲁棒滤波更高的精度，并且计算复杂度低于现有的改进粒子滤波算法。
-
Patent Agency Ranking
公开(公告)号：CN108802692A
公开(公告)日：2018-11-13
申请号：CN201810545637.7
申请日：2018-05-25
Applicant: 哈尔滨工程大学
Abstract: 本发明提供一种基于最大互相关熵容积粒子滤波的目标跟踪方法，采用最大互相关熵容积粒子滤波算法，完成目标跟踪过程中的状态估计问题。在目标跟踪过程中，首先将目标跟踪的状态方程和量测方程重构成非线性递归模型，利用最大互相关熵准则进行处理；然后在标准粒子滤波(Particle Filter,PF)的框架中采用MCCKF产生PF中所需的重要性概率密度函数，然后按照PF的算法流程获取对跟踪目标状态的估计，从而实现对目标的实时跟踪。本发明的目标跟踪方法在量测噪声出现野值的目标跟踪中，能够获得比现有的粒子滤波、改进粒子滤波以及鲁棒滤波更加优越的性能。
-
公开(公告)号：CN108489498A
公开(公告)日：2018-09-04
申请号：CN201810623228.4
申请日：2018-06-15
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明提供了一种基于最大互相关熵无迹粒子滤波的AUV协同导航方法，属于非线性滤波及协同导航技术领域。本发明提供的方法中，采用最大互相关熵无迹粒子滤波(Maximum Correntropy Unscented Kalman Filter，MCUKF)算法，完成AUV协同导航过程中的状态估计问题。在AUV协同导航过程中，首先将协同导航的状态方程和量测方程重构成非线性递归模型，利用最大互相关熵准则进行处理；然后在标准粒子滤波(Particle Filter，PF)的框架中采用MCUKF产生PF中所需的重要性概率密度函数，然后按照PF的算法流程获取对AUV状态的估计，从而实现对AUV的定位，完成协同导航。本发明的AUV协同导航方法在量测噪声出现野值的AUV协同导航中，能够获得比现有的粒子滤波、改进粒子滤波以及鲁棒滤波更加优越的性能。
-
公开(公告)号：CN109425339B
公开(公告)日：2022-09-27
申请号：CN201710717244.5
申请日：2017-08-21
Applicant: 哈尔滨工程大学
IPC: G01C21/16
Abstract: 本发明公开一种基于惯性技术的考虑杆臂效应的舰船升沉误差补偿方法，属于船舶导航技术领域。本发明首先建立舰船研究对象建立载体与地理坐标坐标系，采集传感器数据；然后计算舰船的横摇γ纵摇θ和解算加速度；再通过积分运算、数字滤波和再次积分得到补偿前的升沉H；其次计算误差升沉；最后用未补偿的升沉Hins减去误差升沉Hi得到补偿后的升沉Hout。在惯性导航系统的基础上，建立升沉解算误差补偿模型，不仅仅利用捷联惯导姿态角输出信息，而且利用了惯性测量元件安装的杆臂信息。该方法大大降低了惯性测量元件安装的局限性，从而提高舰船升沉精度，进而提高惯性导航系统的导航精度。
-
公开(公告)号：CN109425339A
公开(公告)日：2019-03-05
申请号：CN201710717244.5
申请日：2017-08-21
Applicant: 哈尔滨工程大学
IPC: G01C21/16
Abstract: 本发明公开一种基于惯性技术的考虑杆臂效应的舰船升沉误差补偿方法，属于船舶导航技术领域。本发明首先建立舰船研究对象建立载体与地理坐标坐标系，采集传感器数据；然后计算舰船的横摇γ纵摇θ和解算加速度；再通过积分运算、数字滤波和再次积分得到补偿前的升沉H；其次计算误差升沉；最后用未补偿的升沉Hins减去误差升沉Hi得到补偿后的升沉Hout。在惯性导航系统的基础上，建立升沉解算误差补偿模型，不仅仅利用捷联惯导姿态角输出信息，而且利用了惯性测量元件安装的杆臂信息。该方法大大降低了惯性测量元件安装的局限性，从而提高舰船升沉精度，进而提高惯性导航系统的导航精度。
-
公开(公告)号：CN109084767A
公开(公告)日：2018-12-25
申请号：CN201810622243.7
申请日：2018-06-15
Applicant: 哈尔滨工程大学
IPC: G01C21/20
Abstract: 本发明公开一种最大互相关熵自适应容积粒子滤波(Maximum Correntropy Adaptive Cubature Particle Filter,MCACPF)的AUV协同导航方法。采用MCACPF完成AUV协同导航过程中的状态估计问题。在AUV协同导航中，将AUV协同导航的状态方程和量测方程重构成非线性递归模型，然后在容积粒子滤波(Cubature Particle Filter,CPF)的框架中采用最大互相关熵容积卡尔曼滤波(Maximum Correntropy Cubature Kalman Filter,MCCKF)产生粒子滤波(Particle Filter,PF)中所需的重要性概率密度函数，然后采用Kullback–Leibler距离(Kullback–Leibler Distance，KLD)重采样方法对产生的粒子进行重采样，最后按照CPF的算法流程获取对AUV状态的估计，从而实现对AUV的定位，完成协同导航。将MCACPF方法应用在量测噪声出现野值的AUV协同导航中，能够获得比现有的PF、改进PF以及鲁棒滤波更高的精度，计算复杂度低于现有的改进粒子滤波算法。
-
-
-
-
-
Search Results
6
records
(took 0.032 seconds)
