一、基于推广卡尔曼滤波的无源定位系统仿真（论文文献综述）
任立超[1]（2021）在《通信辐射源无源定位算法的精度分析》文中进行了进一步梳理随着无线通信技术的发展,针对通信辐射源的无源定位系统,在日趋激烈的无线电战争中被越来越广泛的运用。针对通信辐射源的无源探测受到人们的关注,成为人们研究的主要方向。无源定位技术,通过接收目标辐射源的信号,得到进行定位的相关参数,从而得到通信辐射源目标的位置信息。本文围绕通信辐射源无源定位算法展开研究,分别介绍了针对通信辐射源的交叉测向定位算法（Direction-Finding Cross Localization Algorithm,DOA）、时差定位算法（Time Difference Localization Algorithm,TDOA）和时差-测向联合定位算法,并利用卡尔曼滤波算法滤除误差,提高定位精度。具体工作如下:1.对无源定位进行总结概述。比较了无源定位系统与有源定位系统的优缺点;对本文所涉及的无源定位算法进行介绍,分析其长处和不足;对影响无源定位系统作用区域和作用距离的影响因素—接收机的灵敏度和目标信号的峰值功率进行分析。2.分析了针对通信辐射源交叉测向定位算法的定位精度。主要介绍了振幅测向法的原理;推导了二维空间下三站交叉测向定位算法和三维空间下双站交叉测向定位算法;本文通过对模糊区域面积的计算,说明了模糊区域的主要影响因素;同时对交叉测向定位精度进行分析,推导了定位精度的几何精度因子（Geometric Dilution of Precision,GDOP）。3.分析了针对通信辐射源的时差定位算法的定位精度。介绍了基站间的时间同步的方法,并详细介绍全球定位系统（Global Positioning System,GPS）授时方法进行时间同步;介绍了对到达时间测量的方法,分析了差分法和互相关法测量到达时间的原理;介绍了无源时差定位的系统模型,推导了利用牛顿迭代法进行时差定位的方法;推导了定位精度的GDOP,分析了定位精度的影响因素,在不同布站方式下对定位精度的影响。4.对通信辐射源三维空间下利用三站时差-测向联合定位算法的定位精度进行分析。针对定位系统中存在系统误差时的定位算法问题,利用三站得到时差,并辅助俯仰角建立无源定位模型;利用加权最小二乘算法进行无源定位解算,得到目标粗略估计值,然后利用卡尔曼滤波算法,对俯仰角的误差进行估计,滤除俯仰角误差带来的高度方向的误差,得到新的目标估计值,提高了定位精度;同时推导了定位精度的GDOP,对联合定位的精度进行分析。
于小强[2]（2021）在《基于时差频差的多机无源定位及跟踪算法研究》文中提出无源定位是一种通过分析处理非合作方辐射或反射电磁波信号来确定目标位置的技术,它具有接收隐蔽、响应距离远、安全性高等优点,不仅在军事领域有着广泛的应用,在航空航天、导弹制导、跟踪定位等领域也发挥着重要作用。本文基于时差频差联合定位模型,针对机动性目标定位跟踪问题展开研究,研究了基于互模糊函数快速估计时差频差的方法,并通过仿真对基于时差频差联合定位解算算法与跟踪滤波算法进行了验证。论文对机动目标无源定位与跟踪问题展开研究,采用窄带线性调频（Linear Frequency Modulated,LFM）信号模型,在前人研究的基础上,针对时差频差参数联合估计、基于时差频差无源定位解算方法以及基于交互式多模型的目标跟踪算法三个问题展开研究。鉴于传统的基于互模糊函数二维搜索的时差频差联合估计算法存在运算复杂的问题,采用了基于分数阶傅里叶（Fractional Fourier Transform,FRFT）变换的时差频差联合估计算法,并讨论了基于两步加权最小二乘方法的时差频差无源定位解算算法与基于不同滤波算法的交互式多模型目标跟踪算法,并通过仿真验证了算法的有效性。论文重点研究了时差频差联合定位中定位参数估计、位置解算算法和目标跟踪滤波算法。针对参数估计中互模糊函数峰值二维搜索计算量较大的问题,利用窄带线性调频信号互模糊函数存在一条过峰值的脊线方程这一特性,采用基于分数阶傅里叶变换的沿互模糊函数脊线方程一维快速搜索峰值来估计联合时差频差的算法,仿真结果表明该算法可以有效地降低计算复杂度,提高计算效率;论文在分析讨论了基于两步加权最小二乘方法无源定位算法在较低信噪比的情况下误差较大的问题后,仿真实现了一种改进的基于两步加权最小二乘方法的无源定位解算算法,该算法能够更好地适应大的噪声条件并逼近克拉美罗下界;最后研究了基于交互式多模型的目标跟踪算法,讨论并分析了分别采用卡尔曼滤波算法与粒子滤波算法的交互式多模型算法目标跟踪效果,并用仿真模拟验证了算法性能。
刘一达[3]（2021）在《基于无源探测的濒危鸟类定位跟踪技术研究》文中研究指明随着人类社会的不断发展和进步,野生动物的生存环境正面临日益严重的威胁和挑战。同时,随着人类活动的加剧,物种灭绝的速度不断加快。在国内珍稀濒危动物的研究中,其基本资料主要为生物学属性的数据,较少空间属性资料,尤其是濒危鸟类。由于鸟类生活习性各不相同,活动范围较广,活动区域多为空中、树林等地点,造成对濒危鸟类的监控、管理、保护工作较难开展,缺乏行之有效的定位跟踪手段是目前研究濒危鸟类保护工作的最大障碍。高效率地精确定位是实现濒危鸟类定位跟踪的基础,也是保证濒危鸟类行为监测的关键技术,精确的定位信息对研究濒危鸟类运动规律,建立濒危种群人工饲养环境信息库具有重要意义。濒危鸟类定位跟踪技术的关键在于如何提高定位精度,适应检测环境,并能长时间监测。目前,成熟的野生动物定位技术多采用GPS定位,而民用GPS适合大范围定位,无法在小范围内保证精度。无源探测技术的发展为野生动物定位跟踪提供了新的解决办法,本文针对濒危鸟类定位跟踪问题,对其中的定位跟踪算法进行研究,设计了一种濒危鸟类定位跟踪系统,并对系统的硬件平台和软件设计进行了详细地分析说明。本文的主要研究内容有:（1）学习、分析濒危鸟类定位跟踪的相关理论和无源探测技术的研究现状及其定位技术的实现方法,在充分探讨濒危鸟类定位跟踪需求基础上,设计了基于无源探测的濒危鸟类定位跟踪系统。（2）研究了基于比幅法的测向方法,根据实际情况对比幅法测向算法进行了改进,提出了基于最近邻查表法的比幅测向方法。同时,在比幅法测向的基础上,研究了AOA（到达角度）多基站定位方法。（3）研究了基于TDOA（到达时间差）的定位方法,并对多种时差估计算法进行了研究仿真和性能比较分析;研究了TDOA定位解算算法,主要对Chan算法和泰勒级数法联合使用以及多站定位布站技术进行了研究和仿真。（4）研究了基于卡尔曼滤波的目标跟踪技术,基于神经网络提出了多种定位方式相结合的融合定位跟踪方法,有效提高了系统的运行效率和跟踪性能。（5）根据无源探测技术的应用设计思路,对濒危鸟类定位跟踪系统的软硬件组成进行了设计,并对系统进行了相关实验和分析,达到了预期的设计目标。
曾振杰[4]（2021）在《不确定条件下分布式无源定位方法研究》文中认为无源定位技术是一种定位设备自身不需要对外界辐射信号,仅通过接收并分析目标辐射的信号来确定目标位置的技术,具有隐蔽性强、抗干扰能力强的特点。多站无源定位是通过设立多个观测站点获取目标位置信息,通过集中式数据处理或分布式数据处理的方式实现观测信息融合,从而实现目标定位。而实现运动目标定位跟踪需要解决的重点问题是研究其滤波跟踪算法,但由于实际定位过程中存在目标机动、环境因素、设备因素等诸多因素影响,会引发模型不匹配、量测数据随机丢失等不确定问题。若忽略此类问题,会导致定位精度下降。因此本文在多站无源定位系统的基础上,针对模型不确定、量测数据随机丢失等不确定问题,研究不确定条件下的分布式无源定位方法,研究的主要内容如下:（1）以建立多站无源定位跟踪系统为目的,对其涉及的模型及算法进行研究,建立了基于角度观测的多站无源定位观测模型和多种目标运动模型,详细介绍了多种滤波跟踪算法,并确定仿真实验性能指标。（2）研究多站无源定位跟踪问题中滤波算法,针对分布式卡尔曼滤波算法与集中式卡尔曼滤波算法相比滤波精度及收敛速度较低的问题,结合信息滤波以及分布式处理的优点,提出一种改进的分布式扩展信息滤波算法,通过增加预测信息共识步骤引入更多先验信息来提高定位精度及收敛速度。仿真结果表明,在系统模型匹配、无量测数据丢失情况下,分布式扩展信息滤波算法性能与集中式扩展信息滤波算法基本一致,具有收敛速度快,定位精度高的优点。（3）研究模型不确定下的分布式无源定位跟踪问题,主要针对由于目标运动状态发生突变导致定位跟踪系统建立的模型与目标动力学模型不匹配的情况,通过研究强跟踪滤波理论,在分布式扩展信息滤波算法基础上引入强跟踪滤波思想,推导了具有强跟踪性能的分布式强跟踪扩展信息滤波算法。此外,根据飞行目标强机动偶发特性建立一种机动判定标准,提出一种检测自适应的分布式扩展信息滤波算法,利用机动检测判断控制滤波器工作状态,当目标发生强机动时能及时将滤波器切换至强跟踪的工作状态,仿真结果表明,自适应分布式扩展信息滤波算法能有效解决状态突变导致的模型不确定条件下的定位跟踪问题。（4）研究存在量测数据随机丢失下的分布式无源定位跟踪问题,建立量测数据丢失随机模型,针对不完全量测系统,推导了量测数据随机丢失情况下的卡尔曼滤波算法,结合定位跟踪过程中非线性的特点并延伸至多观测站量测数据随机丢失情况,提出一种适用于量测数据丢失问题的分布式扩展信息滤波算法。仿真结果表明,在该算法在量测数据丢失情况下算法跟踪性能良好,在部分观测站点量测数据丢失情况下仍能实现对目标的快速准确定位跟踪,随着量测数据抵达率降低,收敛速度稍有下降,但最终仍能达到收敛状态,验证了存在量测数据丢失情况下的分布式扩展信息滤波算法可行性。
李海思[5]（2021）在《基于多无人机的辐射源定位与路径规划技术研究》文中研究表明传统的无源定位系统主要由多个地面固定基站和测算中心组成,在对辐射源进行定位时,系统定位精度往往受到基站数量和分布、基站与辐射源之间的距离、非视距（Non Line of Sight,NLOS）条件下的天线遮挡等问题的影响。基于上述问题,本研究考虑采用灵活机动的无人机（Unmanned Aerial Vehicle,UAV）平台取代固定基站,将定位系统转移至空中,对辐射源进行移动定位,同时对该系统中无人机的飞行路径规划、辐射源定位等问题进行了研究。论文的主要内容和创新概括如下:1、针对辐射源定位,构建了一种基于无人机移动平台的无源定位系统,阐述了运行框架和定位技术原理,并给出了该模型下的克拉美罗下界（Cramér–Rao Lower Bound,CRLB）推导方法,为后续的多无人机路径规划和辐射源定位提供了误差衡量标准和理论基础。2、基于多无人机对单个静止辐射源进行定位的场景,目前已有的无人机航迹规划研究主要着眼于对威胁区域的避让和路径最短等方向,而针对定位任务的无人机路径规划研究相对较少,因此本文首先给出了基于定位精度的多无人机路径规划算法模型,讨论了针对航迹规划约束条件的修正方法;其次,考虑到无人机距离辐射源较远时定位精度较差,用全局CRLB取代传统的单点CRLB代价函数,提出了一种基于全局CRLB的无人机路径规划算法;另外,通过代入前一时刻定位先验信息、约束无人机飞行角度、改变采样时间间隔分布等方法,对算法做出了进一步优化。仿真结果表明,本研究提出的基于全局CRLB和基于贝叶斯估计的路径规划算法比传统算法的定位精度更高,针对无人机飞行角度和采样时间间隔的优化方案则有效降低了计算量、提高了系统的工作效率。3、基于多无人机对单个移动辐射源进行定位的场景,目前对移动目标进行跟踪定位的研究成果中,很少以各时刻的目标定位精度来规划路径,因此本文将卡尔曼滤波（Kalman Filter,KF）及扩展卡尔曼滤波（Extended Kalman Filter,EKF）跟踪算法和路径规划算法相结合,使用无人机对当前时刻的辐射源位置进行跟踪估计,提出一种针对移动目标定位任务的多无人机跟踪定位路径规划模型,并以当前时刻定位误差作为代价函数对无人机路径进行规划。4、基于多个无人机编队对多个辐射源进行定位的场景,首先构建了该场景下的问题模型,对多目标定位结果序列构成的高斯混合模型（Gaussian Mixed Model,GMM）进行了分析,并结合最大期望（Expectation-Maximization,EM）算法的原理对该多无人机多目标定位模型进行了求解;其次考虑到待估计参数的先验信息,提出了一种基于贝叶斯估计的多目标定位优化算法,并分析了影响该模型待估计参数精度的因素。仿真结果表明,EM算法能有效解决该模型下混合分布的数据重复及缺失问题,引入先验信息后,有效降低了系统定位误差。
韵晋伟[6]（2020）在《运动单站无源定位方法研究》文中认为近年来,我国周边的安全形势较为严峻,东海、南海等区域争端不断。在新的形势下,对无源侦察定位新技术需求日益迫切,将观测平台数量和接收机通道数降到最低,发展定位精度高、支持平台小、反应速度快、生存能力强的新型电子侦察无源定位技术,成为一项迫切需求和发展趋势之一。该思路或该方法一直都是无源定位,尤其是单站无源定位研究的热门课题。本文针对地海面固定辐射源的无源定位应用场景,比较深入地研究了基于运动单站无源定位的若干关键技术,基于较简单的侦察设备实现固定辐射源的无源定位。首先,明确了单站无源定位模型,简单介绍了在构建模型中应用到的空间坐标系理论知识、定位原理及目标跟踪理论模型等基础内容,并利用GDOP仿真对基于相位差和相位差变化率的定位误差进行分析。其次,给出了一种平行长基线布阵下的相位差解模糊方法。当短时间内连续观测目标时,可以通过“平滑处理”对解模糊结果进行修正,提高了解模糊的成功率。然后,提出了一种基于迭代法的相位差变化率瞬时定位算法。针对地海面固定辐射源的无源定位应用场景,利用两组基线构造非线性方程组,并采用高斯牛顿法求解目标位置。其中,重点分析了迭代初始值和迭代步长的选取原则,弱化了迭代法对初值和步长的依赖程度。该算法收敛速度快,定位精度接近CRLB。最后,研究了基于滤波算法的相位差直接定位方法。相位差直接定位方法跳过了解模糊过程,直接把模糊相位差应用到定位模型中,完成目标辐射源的位置估计。首先利用模糊相位差数据建立一组高斯和成员变量,然后利用卡尔曼滤波算法对其进行滤波优化,最终估计出目标位置。单基线系统和多基线系分别通过量化的方法和相位误差检测的方法构建高斯和成员,同时利用外场试验数据检验了算法的定位性能。
吴秉稷[7]（2020）在《无源时差定位算法与跟踪算法研究》文中进行了进一步梳理现代战争中,胜负往往取决于双方在电子战方面的实力。在电子战中,无源侦察定位与跟踪技术是十分重要手段并被广泛使用。经过多年发展,已形成几种成熟的无源时差定位算法与跟踪算法,但其精度急需提高,尤其是在高时差测量误差情况下。近年来随着元启发式算法的逐渐兴起,传统的时差定位算法与跟踪算法又有了新的发展方向。其中粒子群优化（PSO）算法就被广泛地应用于无源时差定位算法与跟踪滤波算法中,并取得了较高精度,但其存在易陷入局部最优等缺点。本文根据不同元启发式算法的特点,选取了最近提出的、种群个体多样性强、精度较高的、跳出局部最优能力强的樽海鞘群算法（SSA）,将其应用于无源时差定位算法与滤波算法当中,并分别对应用于定位与跟踪的樽海鞘群算法进行了改进,提出了改进樽海鞘群算法（WSSA）与樽海鞘群算法优化的粒子滤波（SSA-PF）算法,获得较好性能。下面具体介绍本文的研究内容:首先,研究了TDOA定位的基本原理和经典的Chan算法、Taylor算法。研究了基于粒子群优化（PSO）算法的时差定位。介绍了衡量定位性能的几种指标,本文主要利用均方根误差（RMSE）衡量算法性能。仿真比较了经典算法与粒子群优化算法的定位精度,并分析其优缺点。接着,研究了单目标跟踪中经典的滤波算法与运动模型。仿真分析了单变量非静态增长模型下,扩展卡尔曼滤波（EKF）算法和无迹卡尔曼滤波（UKF）算法的性能。基于无迹卡尔曼滤波（UKF）算法,仿真比较了复杂路径运动目标在Singer模型与交互式多模型下的跟踪性能。然后,介绍了樽海鞘群算法及其灵感的生物来源。将该算法应用于时差定位中,并针对原算法精度不高、搜索能力弱等不足进行改进,通过增加领导者数量增强搜索能力,通过高斯扰动增强算法跳出局部最优能力,从而提出了改进樽海鞘群算法（WSSA）。仿真对比了改进前后算法在算法初期的种群个体分布,表明改进后的算法具有更强的跳出局部最优的能力从而获得更高精度。仿真对比了粒子群优化（PSO）算法与改进樽海鞘群算法（WSSA）在时差定位上的空间稳定性、收敛速度与收敛精度,从而分析了两种算法的优缺点。最后,从贝叶斯滤波出发研究了标准粒子滤波算法,并将樽海鞘群算法用于优化粒子滤波,提出了基于樽海鞘群算法的粒子滤波（SSA-PF）。通过樽海鞘群算法指导粒子移动,使粒子主要分布在真实值周围区域,改善粒子权值退化现象,提高精度。同时保证在其他区域也有粒子分布。在单变量非静态增长模型下,仿真对比了被广泛研究的基于粒子群优化算法的粒子滤波（PSO-PF）与本文提出算法以及标准粒子滤波（PF）算法,分析各自的优缺点并与经典滤波算法进行对比,结果表明本文提出的算法具有更高精度。
刘雪[8]（2020）在《基于网络脆性分析的交通控制方法研究》文中认为我国城市化进程发展迅速,道路网络也变得更加复杂,机动车保有量增长迅速,交通拥堵日益严重。提升道路网络通行能力的方式一般有两种,一是加大基础设施建设,提升路网密度,增加通行能力供应量。二是进行有效的交通管理与控制,通过对城市交通管理与控制方法的研究,来提升已有道路的通行能力。交叉口作为城市路网的瓶颈,是交通拥堵和事故的主要发生地。合理有效地交叉口控制方案,可以减少交织车辆的冲突,降低交叉口延误,增加路网通行能力,从而保障城市交通系统的安全、稳定运行。为此,本文开展基于网络脆性的交通控制方法研究具有重要意义。道路交通系统是典型的复杂系统,交通事故或拥堵的发生会激发系统的脆性,进而导致交通系统的崩溃。随着道路网络规模的不断扩大,交通系统的脆性问题也变得更加复杂。为降低城市交通系统脆性风险,需要对系统脆性源的构成进行分析。本文应用改进模糊层次分析法来计算城市交通系统脆性源,通过对其脆性基元的权重分析,找出提升交通网络稳定性、降低网络脆性风险的主脆性源,为后续交通控制方法研究奠定理论基础。交通控制方法作为提升道路网络通行能力的重要方式,一直以来都是交通运输工程领域研究的重点和难点之一。本文首先通过车辆导航定位方法（第三章）的研究,来确定车辆位置信息;并通过基于视频的道路网络信息采集（第四章）来确定道路网络的交通状态信息。以上述两章内容为技术支撑,建立基于混合优化模型的交叉口控制方法（第五章）。最后搭建了基于Hadoop平台的智能交通控制系统,为后续控制方法的验证提供平台。本文具体研究如下:（1）城市交通系统的脆性源分析在论述城市交通系统这一复杂系统脆性及特点的基础上,应用模糊层次分析法对城市交通系统的脆性源及权重进行分析。通过分析计算可知,方案层中重要度向量结果排序前四位依次为:驾驶员、行人、管理和交叉口特性。即通过对以上四个主脆性基元的调整改善,可以有效提升系统的稳定性、降低道路网络的脆性风险。鉴于人在交通系统中的复杂性和社会性,本文将研究重点集中于管理和交叉口特性这两个脆性基元,为后续开展控制方法的研究奠定理论基础。（2）基于北斗的车辆导航定位方法基于北斗的车辆导航定位可以提供准确的车辆的位置信息及路径信息,为交通控制方法的研究提供技术支持。本文在论述北斗定位及航迹推算定位原理的基础上,利用无迹卡尔曼模型的优点,建立基于UKF的北斗/航迹组合定位算法。为进一步提高定位精度,采用电子地图匹配来进行定位修正。最后通过跑车实验,验证了该方法对相对单一定位方式在定位精度上有较大幅度的提升。（3）基于视频的道路网络信息采集方法基于视频的路网信息采集可以方便、准确的提供道路网络上路段及交叉口的交通状态信息,为交通控制方法的研究提供信息支持。视频信息采集系统主要分为三层:第一层是完成全景交通场景的视频拼接融合,应用的核心算法是改进多重投影全景图像拼接算法;第二层对已生成的全景交通场景视频进行视频中物体的边缘信息提取,应用的核心算法是基于时空上下文的边缘信息提取算法;第三层是完成对行驶车辆的识别及信息采集,这一层中的核心算法是模糊特征识别算法。由于模糊特征识别算法较为成熟,只要在所提取的边缘信息准确且充分,该算法均具有较高的识别率。因此本文主要完成前两层核心算法的开发,并在此基础上完成对基于视频的道路网络信息采集系统的搭建。（4）基于混合优化模型的交叉口控制方法有效的交通控制方法可以极大地提升道路网络的通行能力,是智能交通控制系统的核心策略。由第二章网络脆性分析可知平面交叉口极易诱发整个城市交通系统的脆性风险,因此该部分研究主要针对平面交叉口进行优化。结合第三章导航定位方法提供的车辆位置信息和路径信息,及第四章提供的道路网络交通状态信息,文章构建了基于混合优化模型的平面交叉口控制方法,重点对排队长度和延误时间进行优化,应用遗传算法对多目标方程的求解。算法验证中,通过计算交叉口在轻度、中度、重度交通需求下的车辆通行情况,得出该模型对不同交通需求均有较为有效的信号控制方案,特别是在中、重度交通需求下,可以有效的降低交叉口的排队长度和延误时间。（5）基于Hadoop的控制系统设计及实现基于大数据的交通控制方法是未来交通的发展趋势。本文应用视频信息采集系统完成道路网络中实时交通状态信息的获取,并根据车辆所处位置及路径信息,对路网中的交叉口控制进行配时优化,从而改善道路网络的脆性问题。文章选用Hadoop平台进行智能交通控制系统的搭建,集成了智能车导航定位、视频信息采集、交叉口控制系统等组成部分,完成了交通场景及系统各个功能模块的设计。通过仿真测试,该平台子系统间具有良好的兼容性和协同性,优化后的控制方案有效的降低了交通系统的脆性风险。
孙连烛[9]（2020）在《基于GNSS/INS的拖拉机导向轮偏转角度测量系统研究》文中指出拖拉机导向轮偏转角度测量的精度和稳定性直接影响拖拉机自动导航作业时的精度和稳定性。目前拖拉机主要采用传统的角度传感器来测量拖拉机导向轮偏转角度,但拖拉机的转向过程十分复杂,传统的角度传感器测量导向轮偏转角度满足不了实际生产中高精度、高稳定性和简化安装调试过程的需求。因此,本文提出一种基于全球导航卫星系统（Global Navigation Satellite System,简称GNSS）和惯性导航系统（Inertial Navigation System,简称INS）的拖拉机导向轮偏转角度测量系统对拖拉机导向轮的实时动态角度进行测量,以解决角度传感器精度、稳定性简化安装调试及GNSS短时间信息丢失问题。对GNSS、INS的原理和卡尔曼、扩展卡尔曼和无迹卡尔曼滤波算法进行理论分析,设计台架试验并对试验结果进行滤波处理,以精度、稳定性和延迟时间为评判标准确定最优滤波算法,最后将基于GNSS/INS的拖拉机导向轮偏转角度测量系统应用于自动导航系统中进行田间试验。本文以国家重点研发计划项目——农机作业北斗自动导航控制技术与装置项目为依托开展研究。具体研究内容和结果如下:（1）为了解决GNSS易出现短时间信号丢失和INS系统随时间的增长迭代误差增大而无法保障自动导航系统长时间精确行驶的问题,本文提出了以INS为拖拉机试验平台的基础系统,GNSS为辅助系统构成的GNSS/INS的拖拉机导向轮偏转角度测量系统。（2）设计并进行了大角度右偏、大角度左偏、S形曲线行驶的三种基于GNSS/INS的拖拉机偏转角度测量系统的台架对比试验。对台架试验结果分别进行卡尔曼、扩展卡尔曼和无迹卡尔曼滤波处理,以滤波后曲线与角度传感器测量曲线偏离程度作为滤波算法精度评判标准,以滤波曲线平滑度作为滤波算法稳定性评判标准,对三条滤波曲线和角度传感器真实测量曲线对比分析,最终确定无迹卡尔曼滤波为最优滤波算法作为自动导航系统的内置算法进行田间试验。（3）针对本文提出的基于GNSS和INS的拖拉机导向轮偏转角度测量系统,设计了沥青路面和农田环境两种工况下的转向性能测试试验和直线自动导航性能测试试验。通过转向性能测试试验,测试本文提出的导向轮偏转角度测量系统在进行1°、5°和15°固定角度测量时的精度、稳定性和延迟时间;通过直线自动导航性能测试试验,分析导向轮偏转角度测量系统在拖拉机进行直线自动导航作业时的应用效果。直线自动导航性能测试试验结果表明:在沥青路面条件下横向偏差均值为0.102cm,标准差为0.371cm,横向偏差最大值为1.751cm,直线自动导航系统误差为1.045cm（2σ）;农田环境条件下横向偏差均值为0.687cm,标准差为0.498cm,横向偏差最大值为1.852cm,直线自动导航系统误差为2.107cm（2σ）。因此,本文提出的基于GNSS和INS的拖拉机导向轮偏转角度测量系统解决了角度传感器安装难、校准难和角度传感器因机械连接而易损坏问题和GNSS短时间内信号丢失、INS系统误差随时间增长误差增大问题,可以应用于自动导航系统进行导航作业。
苏煜琴[10]（2020）在《基于星载平台的近地目标定位算法研究》文中进行了进一步梳理本文从基于单星载观测平台定位算法的相关研究出发,扩展到基于多星载观测平台的定位研究,并针对定位方程解算、噪声及测量误差的滤除、定位精度的提高、定位成本的降低及探究不同测量参数对定位精度的影响等方面入手展开研究,对其中存在的问题相应地提出了新的算法并设计仿真实验来进行验证,为基于星载观测平台定位系统的实际应用提供了理论指导。具体研究内容如下:基于单星载观测平台的测角度定位法（Angle of Arrival,AOA）采用地球正球面模型忽略了地球表面的不均匀性对近地辐射源目标定位精度的影响,为此本文引入WGS-84规范下的地球模型,通过坐标系间的转换与定位算法相结合得到了近地辐射源目标在三维空间的准确描述,并计算了误差评价指标CRLB、GDOP。设计仿真实验验证不同角度测量误差对定位精度的影响,且当角度测量精度为0.1时,AOA定位法的定位精度可达500m。考虑到AOA定位过程中存在测量误差及噪声干扰,引入EKF算法与UKF算法,并给出两种算法在二维空间对近地目标定位的数学模型。此外,针对协方差矩阵计算复杂的局限性及系统中的非平稳项,建立ARIMA模型并与定位系统状态空间相转化,提出ARIMA-UKF算法。相同仿真条件下,对基于单星载平台的近地目标定位算法而言,最终收敛趋于稳定时基于ARIMA-UKF算法的相对误差最小,定位效果最好,UKF算法次之,EKF算法最差。观测系统由单星载观测平台拓展至多星载观测平台,对时差定位算法（Time Difference of Arrival,TDOA）以及Chan算法、Taylor算法这两种TDOA定位方程解算算法展开研究。针对Taylor级数展开法过分依赖初值选取合适程度的问题,将星载观测平台位置的先验性作为约束条件,进而提出一种基于Lagrange约束因子修正迭代初值的Taylor优化算法。相同仿真条件下,仿真实验结果表明本文提出的优化算法的均方误差小于传统的Chan算法、Taylor算法,具有更好的解算效果。为探究不同参数对定位精度的影响情况,设计了仿真实验,实验结果表明当近地辐射源目标距主观测平台120km附近时,定位效果最好,精度可达193.8m。此外设计仿真实验分析了位置、基线距离、采样频率、轨道高度等多种参数对双星载观测平台定位精度的影响,为定位系统中星载平台组网方式提供了一定的理论指导。
二、基于推广卡尔曼滤波的无源定位系统仿真（论文开题报告）
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、基于推广卡尔曼滤波的无源定位系统仿真（论文提纲范文）
（1）通信辐射源无源定位算法的精度分析（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 课题的研究背景与意义 |
| 1.2 课题的国内外研究现状 |
| 1.2.1 交叉测向定位算法研究现状 |
| 1.2.2 时差定位算法研究现状 |
| 1.2.3 时差-测向联合定位算法研究现状 |
| 1.2.4 卡尔曼滤波算法的应用 |
| 1.3 主要工作和章节安排 |
| 2 无源定位的基本概述 |
| 2.1 无源定位与有源定位的比较 |
| 2.1.1 有源定位 |
| 2.1.2 无源定位 |
| 2.2 无源定位的基本方法 |
| 2.2.1 交叉测向定位算法分析 |
| 2.2.2 无源时差定位算法分析 |
| 2.2.3 时差-测向联合定位算法分析 |
| 2.3 无源定位系统作用区域的影响因素 |
| 2.3.1 接收机作用距离与系统作用区域的关系 |
| 2.3.2 信号功率对作用距离的影响 |
| 2.4 本章小结 |
| 3 交叉测向定位算法及精度分析 |
| 3.1 振幅测向法 |
| 3.1.1 全向单脉冲比幅法测向 |
| 3.1.2 最小信号法测向 |
| 3.1.3 最大信号法测向 |
| 3.2 针对通信辐射源的交叉测向定位算法 |
| 3.2.1 平面三站交叉测向定位 |
| 3.2.2 平面三站交叉测向定位仿真分析 |
| 3.3 交叉测向定位模糊区域 |
| 3.4 交叉测向定位精度的GDOP |
| 3.4.1 定位精度的GDOP原理分析 |
| 3.4.2 定位精度的GDOP仿真分析 |
| 3.5 三维空间下双站交叉测向定位 |
| 3.5.1 双站定位基本原理 |
| 3.5.2 三维空间双站测向定位仿真分析 |
| 3.6 本章小结 |
| 4 时差定位算法及精度分析 |
| 4.1 测时基站间的时间同步 |
| 4.2 到达时间差测量 |
| 4.3 无源时差定位算法 |
| 4.3.1 无源时差定位原理 |
| 4.3.2 牛顿迭代法 |
| 4.3.3 时差定位仿真分析 |
| 4.4 时差定位精度分析 |
| 4.4.1 定位精度的GDOP原理分析 |
| 4.4.2 不同布站方式下定位精度分析 |
| 4.5 本章小结 |
| 5 时差-测向联合定位算法 |
| 5.1 时差-测向联合定位模型 |
| 5.2 多径效应分析 |
| 5.3 加权最小二乘和卡尔曼滤波联合定位算法 |
| 5.3.1 算法总体思路 |
| 5.3.2 加权最小二乘算法对目标粗略估计 |
| 5.3.3 卡尔曼滤波算法减小俯仰角误差 |
| 5.3.4 时差-测向联合定位仿真分析 |
| 5.4 定位精度的GDOP |
| 5.4.1 定位精度的GDOP原理分析 |
| 5.4.2 定位精度的GDOP仿真 |
| 5.5 三种定位算法的对比分析 |
| 5.6 本章小结 |
| 6 总结与展望 |
| 6.1 本文总结 |
| 6.2 工作展望 |
| 致谢 |
| 参考文献 |
| 攻读学位期间主要研究成果 |
（2）基于时差频差的多机无源定位及跟踪算法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 国内外研究进展及分析 |
| 1.2.1 无源定位技术研究进展 |
| 1.2.2 目标跟踪技术研究进展 |
| 1.3 论文研究内容及结构安排 |
| 第2章 多机无源定位原理及目标跟踪基础 |
| 2.1 信号模型 |
| 2.2 无源定位方法研究 |
| 2.2.1 角度定位法 |
| 2.2.2 到达时间/时差定位法 |
| 2.2.3 差分多普勒定位法 |
| 2.2.4 定位精度评价指标 |
| 2.3 机动目标跟踪算法研究 |
| 2.3.1 机动目标跟踪原理 |
| 2.3.2 机动目标运动模型 |
| 2.3.3 卡尔曼滤波算法 |
| 2.3.4 扩展卡尔曼滤波算法 |
| 2.4 本章小结 |
| 第3章 基于TDOA/FDOA的无源定位算法研究 |
| 3.1 TDOA/FDOA联合定位模型 |
| 3.2 时差频差参数联合估计方法 |
| 3.2.1 基于互模糊函数的时差频差参数联合估计方法 |
| 3.2.2 分数阶傅里叶变换 |
| 3.2.3 基于分数阶傅里叶变换的时/频差联合估计方法 |
| 3.2.4 流程分析 |
| 3.3 基于TDOA/FDOA联合定位的无源定位算法 |
| 3.3.1 基于两步加权的最小二乘方法的TDOA/FDOA定位算法 |
| 3.3.2 基于改进两步加权最小二乘法的TDOA/FDOA定位算法 |
| 3.3.3 仿真分析 |
| 3.4 本章小结 |
| 第4章 基于交互式多模型目标跟踪算法研究 |
| 4.1 引言 |
| 4.2 基于卡尔曼滤波的交互式多模型(IMM)算法 |
| 4.2.1 交互式多模型算法原理 |
| 4.2.2 仿真性能分析 |
| 4.3 基于粒子滤波的交互式多模型(IMM)算法 |
| 4.3.1 粒子滤波原理 |
| 4.3.2 基于粒子滤波的交互式多模型算法 |
| 4.3.3 实验结果与分析 |
| 4.4 本章小结 |
| 结论 |
| 参考文献 |
| 致谢 |
（3）基于无源探测的濒危鸟类定位跟踪技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 鸟类定位跟踪技术发展及研究现状 |
| 1.2.2 无源探测定位技术发展及研究现状 |
| 1.3 本文主要研究内容 |
| 2 比幅法定位方法研究 |
| 2.1 ACM测向方法 |
| 2.2 ACM测向原理 |
| 2.3 最近邻比幅查表测向 |
| 2.3.1 最近邻分类器 |
| 2.3.2 最近邻比幅查表法 |
| 2.3.3 测试与分析 |
| 2.4 基于AOA体制的定位方法 |
| 2.4.1 AOA双站定位原理 |
| 2.4.2 AOA多基站定位原理 |
| 2.5 本章小结 |
| 3 TDOA定位方法研究 |
| 3.1 时差估计算法研究 |
| 3.1.1 传统互相关算法原理 |
| 3.1.2 广义互相关算法原理 |
| 3.1.3 二次相关算法原理 |
| 3.1.4 算法仿真及误差分析 |
| 3.2 时差定位解算研究 |
| 3.3 布站技术研究 |
| 3.3.1 算法原理 |
| 3.3.2 算法仿真及分析 |
| 3.4 本章小结 |
| 4 信息融合目标定位跟踪技术研究 |
| 4.1 卡尔曼滤波跟踪 |
| 4.1.1 线性矢量卡尔曼滤波算法原理 |
| 4.1.2 目标运动以及状态变换模型 |
| 4.1.3 线性矢量卡尔曼滤波算法仿真分析 |
| 4.2 基于神经网络的融合定位方法 |
| 4.2.1 神经网络简介 |
| 4.2.2 神经网络选择 |
| 4.2.3 神经网络设计 |
| 4.2.4 结果分析 |
| 4.3 本章小结 |
| 5 定位跟踪系统设计与验证 |
| 5.1 系统硬件平台 |
| 5.1.1 基带信号处理平台 |
| 5.1.2 射频信号处理平台 |
| 5.1.3 硬件平台软件设计 |
| 5.2 系统软件设计 |
| 5.2.1 功能总体交互设计 |
| 5.2.2 数据库模块设计 |
| 5.2.3 测向定位模块设计 |
| 5.2.4 通信模块设计 |
| 5.2.5 时间同步模块设计 |
| 5.2.6 GIS地图模块设计 |
| 5.3 外场测试 |
| 5.3.1 定标数据采集 |
| 5.3.2 测向功能外场试验 |
| 5.3.3 定位功能外场试验 |
| 5.4 本章小结 |
| 结论 |
| 参考文献 |
| 攻读硕士学位期间发表论文及科研成果 |
| 致谢 |
（4）不确定条件下分布式无源定位方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 第一章 绪论 |
| 1.1 课题研究背景和意义 |
| 1.2 国内外研究现状 |
| 1.2.1 分布式多站无源定位方法研究现状 |
| 1.2.2 滤波跟踪算法研究现状 |
| 1.3 课题研究目标和主要研究内容 |
| 1.3.1 课题研究目标 |
| 1.3.2 主要研究内容 |
| 第二章 多站无源定位跟踪系统 |
| 2.1 坐标系 |
| 2.1.1 目标运动系统坐标系 |
| 2.1.2 观测系统坐标系 |
| 2.2 目标运动模型 |
| 2.2.1 恒定速度模型及恒定加速度模型 |
| 2.2.2 恒定转弯模型 |
| 2.2.3 Singer模型 |
| 2.2.4 “当前”统计模型 |
| 2.3 多站无源定位观测模型 |
| 2.4 滤波跟踪算法 |
| 2.4.1 标准卡尔曼滤波 |
| 2.4.2 扩展卡尔曼滤波 |
| 2.4.3 无迹卡尔曼滤波 |
| 2.5 信息融合策略 |
| 2.6 仿真性能指标 |
| 2.7 本章小结 |
| 第三章 基于一致性估计的分布式信息滤波算法 |
| 3.1 分布式信息滤波算法 |
| 3.2 改进的分布式扩展信息滤波算法 |
| 3.3 仿真实验及分析 |
| 3.4 本章小结 |
| 第四章 模型不确定下的自适应分布式滤波跟踪算法 |
| 4.1 强跟踪滤波 |
| 4.1.1 强跟踪滤波原理 |
| 4.1.2 强跟踪滤波算法 |
| 4.2 分布式强跟踪扩展信息滤波 |
| 4.3 自适应分布式扩展信息滤波算法 |
| 4.3.1 机动检测判定标准 |
| 4.3.2 检测自适应滤波算法实现 |
| 4.4 仿真实验及分析 |
| 4.5 本章小结 |
| 第五章 量测数据丢失下的分布式滤波跟踪算法 |
| 5.1 量测数据随机丢失模型 |
| 5.2 量测数据随机丢失情况下卡尔曼滤波算法 |
| 5.3 量测数据随机丢失情况下分布式扩展信息滤波算法 |
| 5.4 仿真实验及分析 |
| 5.5 本章小结 |
| 结论与展望 |
| 参考文献 |
| 攻读学位期间取得与学位论文相关的成果 |
| 致谢 |
（5）基于多无人机的辐射源定位与路径规划技术研究（论文提纲范文）
| 摘要 |
| Abstract |
| 常用符号对照表 |
| 第一章 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 应用前景 |
| 1.2 国内外研究现状 |
| 1.2.1 无人机路径规划的研究现状 |
| 1.2.2 贝叶斯理论在定位领域的研究现状 |
| 1.3 研究内容及章节安排 |
| 第二章 研究内容理论基础 |
| 2.1 引言 |
| 2.2 系统框架 |
| 2.3 定位技术 |
| 2.3.1 TDOA定位模型 |
| 2.3.2 Chan定位算法 |
| 2.4 定位误差分析 |
| 2.4.1 克拉美罗下界 |
| 2.4.2 信噪比估计 |
| 2.5 贝叶斯估计 |
| 2.6 本章小结 |
| 第三章 多无人机对静止单目标定位的路径规划 |
| 3.1 引言 |
| 3.2 传统路径规划模型 |
| 3.2.1 基于多无人机的辐射源定位系统模型 |
| 3.2.2 动力学约束与路径修正 |
| 3.2.3 传统单点CRLB规划算法流程 |
| 3.3 算法优化 |
| 3.3.1 基于全局CRLB的路径规划算法 |
| 3.3.2 基于贝叶斯估计的路径规划算法 |
| 3.3.3 飞行方向角度约束 |
| 3.3.4 采样时间间隔分布 |
| 3.4 仿真实验 |
| 3.4.1 基于全局CRLB的路径规划算法仿真 |
| 3.4.2 基于贝叶斯估计的路径规划算法仿真 |
| 3.4.3 飞行角度优化仿真 |
| 3.4.4 采样间隔优化仿真 |
| 3.5 本章小结 |
| 第四章 多无人机对移动单目标定位的路径规划 |
| 4.1 引言 |
| 4.2 问题模型 |
| 4.3 定位跟踪算法 |
| 4.3.1 卡尔曼滤波 |
| 4.3.2 基于卡尔曼滤波的定位跟踪 |
| 4.3.3 扩展卡尔曼滤波 |
| 4.3.4 基于扩展卡尔曼滤波的定位跟踪 |
| 4.4 多无人机跟踪移动单目标的路径规划算法流程 |
| 4.5 仿真实验 |
| 4.6 本章小结 |
| 第五章 多无人机对静止多目标的定位及优化 |
| 5.1 引言 |
| 5.2 问题模型 |
| 5.2.1 多目标定位问题模型 |
| 5.2.2 多目标定位高斯混合模型 |
| 5.3 基于最大期望算法的多无人机多目标定位 |
| 5.3.1 最大期望算法原理 |
| 5.3.2 最大期望算法的局限性 |
| 5.3.3 基于最大期望算法的多目标定位求解 |
| 5.4 基于贝叶斯估计的多目标定位模型优化 |
| 5.4.1 贝叶斯优化模型 |
| 5.4.2 优化模型精度分析 |
| 5.5 仿真实验 |
| 5.5.1 基于EM算法的多目标定位仿真 |
| 5.5.2 系统误差分析 |
| 5.5.3 基于贝叶斯估计的优化仿真 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 作者简历及研究成果 |
| 致谢 |
（6）运动单站无源定位方法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 论文选题的背景及意义 |
| 1.2 国内外研究历史与现状 |
| 1.3 单站无源定位技术研究现状 |
| 1.4 论文的主要内容及结构 |
| 第二章 单站无源定位与跟踪基础 |
| 2.1 引言 |
| 2.2 空间坐标系 |
| 2.2.1 坐标系转换 |
| 2.2.2 直角坐标系旋转和平移 |
| 2.3 定位原理 |
| 2.3.1 基于相位差的定位原理 |
| 2.3.2 基于相位差变化率的定位原理 |
| 2.4 目标跟踪理论模型 |
| 2.4.1 建立状态模型 |
| 2.4.2 建立观测模型 |
| 2.5 定位误差分析 |
| 2.5.1 基于相位差的定位算法的GDOP分析 |
| 2.5.2 基于相位差变化率的定位算法的GDOP分析 |
| 2.6 本章小结 |
| 第三章 平行长基线布阵下的相位差定位方法 |
| 3.1 引言 |
| 3.2 相位差解模糊 |
| 3.3 目标搜索 |
| 3.4 仿真分析 |
| 3.5 本章小结 |
| 第四章 基于相位差变化率的辐射源定位算法 |
| 4.1 引言 |
| 4.2 迭代方程推导 |
| 4.3 迭代初始值与步长选取 |
| 4.4 收敛性分析 |
| 4.5 仿真分析 |
| 4.6 本章小结 |
| 第五章 一种基于卡尔曼滤波的相位差直接定位方法 |
| 5.1 引言 |
| 5.2 非线性滤波算法概述 |
| 5.3 滤波方程推导 |
| 5.3.1 初始方位选取策略 |
| 5.3.2 距离参数化方法 |
| 5.3.3 高斯和扩展卡尔曼滤波算法 |
| 5.3.4 算法流程 |
| 5.4 仿真分析 |
| 5.5 算法检验 |
| 5.6 本章小结 |
| 第六章 总结与展望 |
| 6.1 总结 |
| 6.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（7）无源时差定位算法与跟踪算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究的背景与意义 |
| 1.2 国内外研究现状 |
| 1.2.1 时差定位算法研究现状 |
| 1.2.2 跟踪算法研究现状 |
| 1.3 本论文主要研究内容及章节安排 |
| 第二章 无源时差定位算法及误差分析 |
| 2.1 引言 |
| 2.2 时差定位原理 |
| 2.3 时差定位算法 |
| 2.3.1 Chan算法 |
| 2.3.2 Taylor算法 |
| 2.3.3 粒子群优化算法 |
| 2.4 定位误差分析 |
| 2.5 仿真结果分析 |
| 2.6 本章小结 |
| 第三章 跟踪滤波算法及运动模型 |
| 3.1 引言 |
| 3.2 跟踪滤波算法研究 |
| 3.2.1 扩展卡尔曼滤波算法 |
| 3.2.2 无迹卡尔曼滤波 |
| 3.3 目标运动模型 |
| 3.3.1 匀速直线运动模型 |
| 3.3.2 Singer模型 |
| 3.3.3 转弯模型 |
| 3.3.4 交互式多模型算法 |
| 3.4 仿真结果分析 |
| 3.4.1 非线性系统下EKF算法与UKF算法对比 |
| 3.4.2 比较复杂运动轨迹下Singer模型与IMM的跟踪性能 |
| 3.5 本章小结 |
| 第四章 基于改进樽海鞘群算法的无源时差定位 |
| 4.1 引言 |
| 4.2 樽海鞘群模型介绍 |
| 4.2.2 樽海鞘群模型数学描述 |
| 4.2.3 樽海鞘群算法步骤 |
| 4.3 改进樽海鞘群算法 |
| 4.4 仿真结果分析 |
| 4.4.1 SSA算法与WSSA算法初期种群个体分布对比 |
| 4.4.2 WSSA算法空间稳定性验证 |
| 4.4.3 WSSA算法定位精度验证 |
| 4.5 本章小结 |
| 第五章 基于樽海鞘群算法的粒子滤波 |
| 5.1 引言 |
| 5.2 粒子滤波 |
| 5.2.1 贝叶斯滤波 |
| 5.2.2 蒙特卡罗方法 |
| 5.2.3 重要性采样 |
| 5.2.4 序贯重要性采样 |
| 5.2.5 重采样 |
| 5.2.6 粒子滤波算法 |
| 5.3 樽海鞘群优化粒子滤波算法 |
| 5.4 仿真结果分析 |
| 5.5 本章小结 |
| 第六章 总结与展望 |
| 6.1 工作总结 |
| 6.2 研究展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
（8）基于网络脆性分析的交通控制方法研究（论文提纲范文）
| 摘要 |
| Abstract |
| 第1章 绪论 |
| 1.1 研究背景 |
| 1.2 目的及意义 |
| 1.3 国内外研究现状 |
| 1.3.1 道路网络脆性研究 |
| 1.3.2 导航定位研究 |
| 1.3.3 视频信息采集研究 |
| 1.3.4 交叉口控制研究 |
| 1.4 论文内容及章节安排 |
| 1.5 本章小结 |
| 第2章 城市交通系统的脆性源及权重分析 |
| 2.1 复杂系统及脆性 |
| 2.1.1 复杂系统脆性及特点 |
| 2.1.2 复杂系统脆性基元 |
| 2.2 城市交通系统脆性分析 |
| 2.2.1 问题分析 |
| 2.2.2 模糊层次分析法 |
| 2.3 城市交通系统脆性源权重计算 |
| 2.4 脆性源权重分析 |
| 2.5 本章小结 |
| 第3章 基于北斗的车辆导航定位方法研究 |
| 3.1 概述 |
| 3.2 北斗定位原理 |
| 3.2.1 北斗系统概述 |
| 3.2.2 北斗卫星定位原理 |
| 3.3 航迹推算定位原理 |
| 3.4 基于UKF的北斗/航迹组合定位方法 |
| 3.4.1 北斗/航迹数据融合定位技术 |
| 3.4.2 基于UKF的组合定位算法实现 |
| 3.5 电子地图匹配定位 |
| 3.6 实例验证 |
| 3.7 本章小结 |
| 第4章 基于视频的道路网络信息采集方法研究 |
| 4.1 改进多重投影全景视频拼接算法 |
| 4.1.1 全景视频拼接技术概述 |
| 4.1.2 改进多重投影全景视频拼接算法实现 |
| 4.1.3 改进多重投影全景视频拼接算法的实验验证 |
| 4.2 基于时空上下文的边缘信息提取算法 |
| 4.2.1 时空上下文表达概述 |
| 4.2.2 交通场景信息的边缘信息提取与文本分割 |
| 4.2.3 基于时空上下文的边缘信息提取算法模型 |
| 4.2.4 基于时空上下文的边缘信息提取算法实验验证 |
| 4.3 智能交通视频信息采集系统的搭建及仿真测试 |
| 4.3.1 智能交通视频信息采集系统的仿真搭建 |
| 4.3.2 智能交通视频信息采集系统的仿真测试 |
| 4.4 本章小结 |
| 第5章 基于混合优化模型的交叉口控制方法 |
| 5.1 平面交叉口模型的建立 |
| 5.2 平面交叉口混合优化模型的建立 |
| 5.2.1 交叉口排队长度模型 |
| 5.2.2 交叉口信号延误模型 |
| 5.2.3 多目标混合优化模型的建立 |
| 5.3 模型验证 |
| 5.4 本章小结 |
| 第6章 基于Hadoop的控制系统设计及实现 |
| 6.1 Hadoop平台简介 |
| 6.2 智能控制系统的设计与搭建 |
| 6.2.1 安装环境及服务器配置 |
| 6.2.2 基于Hadoop的交通控制系统的总体设计 |
| 6.2.3 功能子模块的设计 |
| 6.3 基于Hadoop平台的智能控制系统测试 |
| 6.4 本章小结 |
| 第7章 结论与展望 |
| 7.1 结论 |
| 7.2 展望 |
| 参考文献 |
| 作者简介及在学期间所取得的科研成果 |
| 致谢 |
（9）基于GNSS/INS的拖拉机导向轮偏转角度测量系统研究（论文提纲范文）
| 摘要 |
| Abstract |
| 1 绪论 |
| 1.1 研究背景及意义 |
| 1.1.1 研究背景 |
| 1.1.2 研究意义 |
| 1.2 国内外研究现状 |
| 1.2.1 组合导航定位系统的融合定位方式研究现状 |
| 1.2.2 组合导航定位系统信息融合算法研究现状 |
| 1.2.3 导向轮转角检测国内外研究现状 |
| 1.3 论文主要研究内容与技术路线 |
| 1.3.1 主要研究内容 |
| 1.3.2 技术路线 |
| 2 基于GNSS/INS的组合导航定位系统设计 |
| 2.1 方案分析 |
| 2.2 GNSS全球定位系统原理分析 |
| 2.2.1 概述 |
| 2.2.2 GPS、BDS的组成 |
| 2.2.3 GPS、BDS的定位原理 |
| 2.3 惯性导航系统原理概述 |
| 2.3.1 概述 |
| 2.3.2 惯性测量单元 |
| 2.4 组合导航系统方案设计 |
| 2.4.1 组合导航系统组成 |
| 2.4.2 GNSS/INS组合导航定位系统安装 |
| 2.4.3 GNSS/INS组合导航定位系统工作原理及过程 |
| 2.5 本章小结 |
| 3 卡尔曼滤波及其衍生算法仿真分析 |
| 3.1 基于GNSS/INS拖拉机偏转角度测量系统台架试验方案 |
| 3.2 数据预处理 |
| 3.2.1 GNSS接收数据格式 |
| 3.2.2 INS接收数据格式 |
| 3.3 GNSS/INS的转角测量装置误差模型分析与建立 |
| 3.3.1 INS惯性测量装置的误差分析 |
| 3.3.2 卫星导航系统的误差分析 |
| 3.4 基于GNSS/INS的拖拉机导向轮偏转角度台架试验 |
| 3.5 滤波算法 |
| 3.5.1 卡尔曼滤波法(KF) |
| 3.5.2 扩展卡尔曼纳滤波法(EKF) |
| 3.5.3 无迹卡尔曼滤波法(UKF) |
| 3.6 仿真试验结果分析 |
| 3.6.1 滤波前后结果仿真图及方针结果分析 |
| 3.6.2 仿真试验结论 |
| 3.7 本章小结 |
| 4 基于 GNSS/INS 的转角测量系统评估方法与试验 |
| 4.1 基于GNSS/INS的拖拉机导向轮偏转角度测量系统软件设计 |
| 4.2 基于GNSS/INS的拖拉机导向轮偏转角度测量系统评估方法 |
| 4.2.1 转向测量性能评价指标 |
| 4.2.2 自动导航系统直线导航评价指标 |
| 4.3 拖拉机自动导航控制系统试验平台的搭建 |
| 4.4 验证试验方案 |
| 4.5 验证试验结果与分析 |
| 4.5.1 转向性能测试试验 |
| 4.5.2 直线自动导航性能测试试验 |
| 4.5.3 验证试验结果分析 |
| 4.6 本章小结 |
| 5 结论与展望 |
| 5.1 结论 |
| 5.2 展望 |
| 致谢 |
| 参考文献 |
| 附录 A:本人攻读学位期间参与的科研项目与科研成果 |
（10）基于星载平台的近地目标定位算法研究（论文提纲范文）
| 摘要 |
| ABSTRACT |
| 符号对照表 |
| 缩略语对照表 |
| 第一章 绪论 |
| 1.1 课题研究背景及意义 |
| 1.2 卫星定位技术的发展 |
| 1.3 无源定位技术的研究现状 |
| 1.4 主要工作与内容安排 |
| 第二章 单/双星无源定位算法基础 |
| 2.1 坐标系及坐标系变换 |
| 2.1.1 常见坐标系 |
| 2.1.2 坐标系间的转换方式 |
| 2.2 地球的正球面模型与椭球面模型 |
| 2.3 单/双星无源定位方法概述 |
| 2.3.1 无源定位的特点 |
| 2.3.2 传统无源定位技术 |
| 2.3.3 定位精度评价指标 |
| 2.4 本章小结 |
| 第三章 单星平台临地观测的目标定位算法及实现技术 |
| 3.1 基于地球椭球模型的测角度定位法 |
| 3.1.1 定位原理 |
| 3.1.2 定位方程的解算 |
| 3.1.3 误差分析与仿真实验 |
| 3.2 抽象至二维平面的测角度定位法 |
| 3.2.1 定位原理 |
| 3.2.2 基于EKF的近地目标定位数学模型 |
| 3.2.3 基于UKF的近地目标定位数学模型 |
| 3.3 ARIMA-UKF算法的提出与其在测角度定位法中的应用 |
| 3.3.1 ARIMA模型的建立 |
| 3.3.2 基于ARIMA模型的UKF算法 |
| 3.3.3 仿真实验 |
| 3.4 本章小结 |
| 第四章 多星平台临地观测的目标定位算法及实现技术 |
| 4.1 时差定位法 |
| 4.1.1 定位原理 |
| 4.1.2 Chan算法 |
| 4.1.3 Taylor级数展开法 |
| 4.2 基于Lagrange约束因子的Taylor级数展开法 |
| 4.2.1 算法实现 |
| 4.2.2 仿真实验 |
| 4.3 基于双星载平台的联合定位算法 |
| 4.3.1 联合定位原理 |
| 4.3.2 不同参数对定位精度的影响 |
| 4.4 本章小结 |
| 第五章 总结与展望 |
| 5.1 总结 |
| 5.2 展望 |
| 参考文献 |
| 致谢 |
| 作者简介 |
四、基于推广卡尔曼滤波的无源定位系统仿真（论文参考文献）
- [1]通信辐射源无源定位算法的精度分析[D]. 任立超. 西安理工大学, 2021(01)
- [2]基于时差频差的多机无源定位及跟踪算法研究[D]. 于小强. 哈尔滨工业大学, 2021
- [3]基于无源探测的濒危鸟类定位跟踪技术研究[D]. 刘一达. 成都大学, 2021(07)
- [4]不确定条件下分布式无源定位方法研究[D]. 曾振杰. 广东工业大学, 2021
- [5]基于多无人机的辐射源定位与路径规划技术研究[D]. 李海思. 战略支援部队信息工程大学, 2021(01)
- [6]运动单站无源定位方法研究[D]. 韵晋伟. 西安电子科技大学, 2020(05)
- [7]无源时差定位算法与跟踪算法研究[D]. 吴秉稷. 西安电子科技大学, 2020(05)
- [8]基于网络脆性分析的交通控制方法研究[D]. 刘雪. 吉林大学, 2020(08)
- [9]基于GNSS/INS的拖拉机导向轮偏转角度测量系统研究[D]. 孙连烛. 昆明理工大学, 2020(05)
- [10]基于星载平台的近地目标定位算法研究[D]. 苏煜琴. 西安电子科技大学, 2020(05)