没有合适的资源?快使用搜索试试~ 我知道了~
卡尔曼滤波器及多传感状态融合估计算法.pdf
1.该资源内容由用户上传,如若侵权请联系客服进行举报
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
2.虚拟产品一经售出概不退款(资源遇到问题,请及时私信上传者)
版权申诉
0 下载量 89 浏览量
2021-11-29
17:35:18
上传
评论
收藏 66KB PDF 举报
温馨提示
试读
1页
。。。
资源推荐
资源详情
资源评论
卡尔曼滤波器及多传感状态融合估计算法
采用 CarlsON 最优数据融合准则, 将基于 Kalman 滤波的多传感器状态
融合估计方法应用到雷达跟踪系统。仿真实验表明,多传感器 Kalman 滤波状
态融合估计误差小于单传感器 Kalman 滤波得出的状态估计误差,验证了方法
对雷达跟踪的有效性。
随着科学技术的发展, 特别是微电子技术、集成电路技术、计算机技
多传感器信息融合已经发展成为一术、信号处理技术及传感器技术的发展,
个新的研究领域, 并在军用领域和民用领域均得到了广泛应用。
多传感器信息融合的基本原理如同人脑综合处理信息的过程,
利用多个传感器资源,
即充分
通过对各种传感器及其观测信息的合理支配与使用,
将各种传感器在空间和时间上的互补与冗余信息依据某种优化准则组合起来,
从而得出更为准确、可靠的结论。
现代战争的多样性和复杂性提出了对信息处理更高的要求,
可对多传感器提供的多种观测信息进行优化综合处理,
识别目标属性、分析目标意 1 卡尔曼滤波器
多传感信息融合的主要任务之一就是利用多传感器信息进行目标的状态
估计。目前, 进行状态估计的方法很多,Kalman 滤波器是一种常用方法。
Kalman 滤波器在机动目标跟踪中具有良好的性能, 它是最佳估计并能够进行
递推计算,
行状态估计。
考虑一个离散时间的动态系统, 它有如下形式:
针对动态系统(1) 和(2) ,Kalman 递推滤波算法如下:
2 多传感状态融合估计算法
即它只需要当前的一个测量值和前一个采样周期的预测值就能进
信息融合
从而获取目标状态、
资源评论
春哥111
- 粉丝: 1w+
- 资源: 5万+
上传资源 快速赚钱
- 我的内容管理 展开
- 我的资源 快来上传第一个资源
- 我的收益 登录查看自己的收益
- 我的积分 登录查看自己的积分
- 我的C币 登录后查看C币余额
- 我的收藏
- 我的下载
- 下载帮助
安全验证
文档复制为VIP权益,开通VIP直接复制
信息提交成功