欢迎来到天天文库
浏览记录
ID：38268987
大小：130.71 KB
页数：4页
时间：2019-05-25
《卡尔曼滤波的车辆融合跟踪》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第!"卷!第#期西!安!交!通!大!学!学!报489:!"!;#!$%%&年#月’()*+,-(./01,+’0,(2(+3)+045*6027’<=:$%%&基于平方根!"#$%"&%’卡尔曼滤波的车辆融合跟踪陈!莹!韩崇昭!西安交通大学电子与信息工程学院">?%%@""西安#摘要"针对车辆运动的机动性和跟踪系统的非线性!提出了一种基于平方根)=ABC=DCE卡尔曼滤波#6*F)G.$的多传感器融合跟踪方法:该方法采用动力学模型建立系统的状态方程和量测方程!充分利用了多传感器的量测信息!更好地满足了目标的机动特性:采用基于)G.的数据融合方法处理系统的非线性问题!避免了扩展卡尔曼
2、滤波#5G.$产生的线性化误差:同时!在滤波过程中!以协方差平方根阵代替协方差阵参加迭代运算!有效地避免了滤波器的发散!提高了滤波算法的收敛速度和稳定性:实验证明!与基于5G.的融合算法相比!基于6*F)G.的融合算法使系统的位置和方向角的跟踪精度分别提高了?HI$$J和!@IH?J:关键词$车辆跟踪%非线性滤波%数据融合中图分类号$2K$>@!文献标识码$,!文章编号$%$&!!"H>/!$%%&#%#!%&"@!%@(%)*$+%,-#*."/01$2*"341#%’."56-10%7..&!"#$%"&%’81+91",*+&%0!"#$%&$’"()$!"*$’+")*!6
3、BL8898M59CBDN8=OBAP=E0=M8NQPDO8=5=RO=CCNO=R"/O1P=’OP8D8=R)=OSCNAODT"/O1P=>?%%@""ULO=P#:;#&01$&$,OQO=RPDDLC=8=F9O=CPNODT8MDNPBVO=RATADCQAP=EDLCQP=C4、EDLCQ8WO9CZCNM8NQP=BC8MDLCDPNRCDP=EM<99T5、SPNOP=BCAY6、$JP=E!@IH?JNCAZCBDOSC9TB8QZPNCEXODL5G.FWPACE8=C:8%<=.0’#$,#"&-.#/0)-1&$’%$*$.&$#)02&./#0%3)/)245&*$!!利用多个传感器的量测信息实现对路面车辆运减小估计误差:本文针对机动车辆融合跟踪系统的动状态的融合跟踪是目前智能车研究的一个热点:非线性问题"在)G.中用协方差平方根阵代替协在统一的直角坐标系下所建立的描述此问题的数学方差阵参加迭代运算"并结合分布式数据融合技术"模型通常是非线性的:针对扩展卡尔曼滤波!5G.#提出了基于平方根)G.!6Y7、线性滤波问题的不足"’<9OCN等人提出了GP9QP=.O9DCN"6*F)G.#的车辆多传感器融合跟采用基于)=ABC=DCE变换的卡尔曼滤波!)G.#方踪方法:实验证明"该方法能充分利用多传感器数据&$’法"在处理状态方程时先进行)=ABC=DCE变换!)之间的冗余和互补特性"提高跟踪精度:变换#"再用)变换后的状态变量进行滤波估计"以收稿日期$$%%@!%"!%#:!作者简介$陈!莹!?">#"#"女"博士生%韩崇昭!联系人#"男"教授"博士生导师:!基金项目$
4、EDLCQ8WO9CZCNM8NQP=BC8MDLCDPNRCDP=EM<99T5、SPNOP=BCAY6、$JP=E!@IH?JNCAZCBDOSC9TB8QZPNCEXODL5G.FWPACE8=C:8%<=.0’#$,#"&-.#/0)-1&$’%$*$.&$#)02&./#0%3)/)245&*$!!利用多个传感器的量测信息实现对路面车辆运减小估计误差:本文针对机动车辆融合跟踪系统的动状态的融合跟踪是目前智能车研究的一个热点:非线性问题"在)G.中用协方差平方根阵代替协在统一的直角坐标系下所建立的描述此问题的数学方差阵参加迭代运算"并结合分布式数据融合技术"模型通常是非线性的:针对扩展卡尔曼滤波!5G.#提出了基于平方根)G.!6Y7、线性滤波问题的不足"’<9OCN等人提出了GP9QP=.O9DCN"6*F)G.#的车辆多传感器融合跟采用基于)=ABC=DCE变换的卡尔曼滤波!)G.#方踪方法:实验证明"该方法能充分利用多传感器数据&$’法"在处理状态方程时先进行)=ABC=DCE变换!)之间的冗余和互补特性"提高跟踪精度:变换#"再用)变换后的状态变量进行滤波估计"以收稿日期$$%%@!%"!%#:!作者简介$陈!莹!?">#"#"女"博士生%韩崇昭!联系人#"男"教授"博士生导师:!基金项目$
5、SPNOP=BCAY6、$JP=E!@IH?JNCAZCBDOSC9TB8QZPNCEXODL5G.FWPACE8=C:8%<=.0’#$,#"&-.#/0)-1&$’%$*$.&$#)02&./#0%3)/)245&*$!!利用多个传感器的量测信息实现对路面车辆运减小估计误差:本文针对机动车辆融合跟踪系统的动状态的融合跟踪是目前智能车研究的一个热点:非线性问题"在)G.中用协方差平方根阵代替协在统一的直角坐标系下所建立的描述此问题的数学方差阵参加迭代运算"并结合分布式数据融合技术"模型通常是非线性的:针对扩展卡尔曼滤波!5G.#提出了基于平方根)G.!6Y7、线性滤波问题的不足"’<9OCN等人提出了GP9QP=.O9DCN"6*F)G.#的车辆多传感器融合跟采用基于)=ABC=DCE变换的卡尔曼滤波!)G.#方踪方法:实验证明"该方法能充分利用多传感器数据&$’法"在处理状态方程时先进行)=ABC=DCE变换!)之间的冗余和互补特性"提高跟踪精度:变换#"再用)变换后的状态变量进行滤波估计"以收稿日期$$%%@!%"!%#:!作者简介$陈!莹!?">#"#"女"博士生%韩崇昭!联系人#"男"教授"博士生导师:!基金项目$
6、$JP=E!@IH?JNCAZCBDOSC9TB8QZPNCEXODL5G.FWPACE8=C:8%<=.0’#$,#"&-.#/0)-1&$’%$*$.&$#)02&./#0%3)/)245&*$!!利用多个传感器的量测信息实现对路面车辆运减小估计误差:本文针对机动车辆融合跟踪系统的动状态的融合跟踪是目前智能车研究的一个热点:非线性问题"在)G.中用协方差平方根阵代替协在统一的直角坐标系下所建立的描述此问题的数学方差阵参加迭代运算"并结合分布式数据融合技术"模型通常是非线性的:针对扩展卡尔曼滤波!5G.#提出了基于平方根)G.!6Y7、线性滤波问题的不足"’<9OCN等人提出了GP9QP=.O9DCN"6*F)G.#的车辆多传感器融合跟采用基于)=ABC=DCE变换的卡尔曼滤波!)G.#方踪方法:实验证明"该方法能充分利用多传感器数据&$’法"在处理状态方程时先进行)=ABC=DCE变换!)之间的冗余和互补特性"提高跟踪精度:变换#"再用)变换后的状态变量进行滤波估计"以收稿日期$$%%@!%"!%#:!作者简介$陈!莹!?">#"#"女"博士生%韩崇昭!联系人#"男"教授"博士生导师:!基金项目$
7、线性滤波问题的不足"’<9OCN等人提出了GP9QP=.O9DCN"6*F)G.#的车辆多传感器融合跟采用基于)=ABC=DCE变换的卡尔曼滤波!)G.#方踪方法:实验证明"该方法能充分利用多传感器数据&$’法"在处理状态方程时先进行)=ABC=DCE变换!)之间的冗余和互补特性"提高跟踪精度:变换#"再用)变换后的状态变量进行滤波估计"以收稿日期$$%%@!%"!%#:!作者简介$陈!莹!?">#"#"女"博士生%韩崇昭!联系人#"男"教授"博士生导师:!基金项目$
此文档下载收益归作者所有
