卡曼滤波论文.txt

基于VB6.0 的一个卡尔曼滤波算法

无论对线性系统还是非线性系统，滤波器所用到的系统都是精确已知的，噪声的协方差和均值也已知，滤波器的作用就是在观测噪声和过程噪声的作用下，利用输出值，估计出系统状态的真值（期望值），但是在滤波中用到了被观测系统的精确信息（f,h）,既然这样，那么只要测出要观测系统的初值，带入已知的系统仿真（不加噪声），即可以得到系统状态的真值，为什么还要滤波？这个想法很幼稚，是不是可以这样解释，系统受到的噪声影响会对状态的变化产生影响，也就是说，滤波器估计的是受到干扰的系统的状态的真值（期望值），而滤波器虽然对系统的精确信息知道，却不知道噪声的具体值，因此需要滤波？
提高ＧＰＳ定位精度的改进卡尔曼滤波算法研究
摘要：介绍了一种有效提高GPS定位精度的改进卡尔曼滤波算法。该算法针对最小二乘法和标准卡尔曼滤波的特点，通过伪距估计出接收机的位置和钟差，有效避免了由于滤波初值、系统噪声方差以及量测噪声方差带来的滤波发散问题。同时该算法不直接使用卡尔曼滤波来估计接收机的状态，而是估计接收机状态的误差，减小了运算量，有效提高了定位精度。在进行状态误差估计时，不需要存储大量测量数据，能方便地进行动态测量数据的实时处理。仿真结果证明此算法具有较快的收敛速度和较高的定位精度。
　　关键词：卡尔曼滤波;定位解算;最小二乘法;定位精度
　　中图分类号：TP228