Motivation……………………………………………………………………..1 Challenges in Multi-Object Tracking…………………………………………1 Limitations in Past Implementation..………………………………………….2 Objective of Study…………………………………………………………….3
TATE估计是电动汽车(EV)电池的关键任务。要估计的两个最重要的状态是电荷状态(SOC),与剩余练习范围以及健康状况(SOH)相关的情况(SOH)在其一生中相关的电池降解。SOC和SOH都是不可衡量的数量,其价值对于通知用户,控制动力总成和热管理系统,防止损坏和电池组过早老化至关重要。此外,尽管它们通常在非常不同的时间尺度上发生变化,但两个数量密切相互关联,因为充电状态是电池剩余容量的函数[1]。在数据驱动和基于模型的方法下都开发了几种联合SOC和SOH估计算法。基于模型的方法的优势是它们提供了对电池的见解
期待,我们建议对高级传感器技术和融合算法进行进一步研究,以增强自动驾驶汽车的感知能力。此外,人工智能和机器学习技术的集成可以基于融合的传感器数据来实现更智能的决策过程。用于评估传感器融合算法的标准化协议和基准对于确保不同自主驾驶平台之间的互操作性和可靠性至关重要,这需要研究人员,行业利益相关者和监管机构之间的协作努力。总而言之,我们的研究通过利用传感器融合技术与卡尔曼过滤方法结合使用传感器融合技术来为更安全,更高效,更可靠的自主运输系统奠定基础。
1 东京大学地球行星科学系,日本东京 2 加州理工学院喷气推进实验室,美国加利福尼亚州帕萨迪纳 5 3 日本海洋地球科学技术署,日本横滨
摘要 — 本文使用来自自动识别系统 (AIS) 的实时数据和扩展卡尔曼滤波器 (EKF) 设计来解决船舶运动估计问题。AIS 数据从全球船舶传输,甚高频 (VHF) AIS 接收器以美国国家海洋电子协会 (NMEA) 指定的格式接收信号作为编码的 ASCII 字符。因此,必须使用解析器解码 AIS 语句以获得实时船舶位置、航向和速度测量值。状态估计用于碰撞检测和实时可视化,这是现代决策支持系统的重要特征。使用来自挪威特隆赫姆港的实时 AIS 数据验证了 EKF,并证明估计器可以实时跟踪船舶。还证明了 EKF 可以预测船舶的未来运动,并在防撞场景中分析了不同的规避动作。索引术语 — 卡尔曼滤波器、状态估计、运动预测、碰撞检测、无人水面航行器、船舶
摘要。随着后摩尔定律计算领域的出现,新的架构不断涌现。借助 IBM 的 TrueNorth 等复合、数百万连接的神经形态芯片,神经工程现在已成为这种新型计算范式中的可行技术。高能物理实验正在不断探索新的计算和数据处理方法,包括神经形态,以支持该领域日益增长的挑战并为未来的商品计算趋势做好准备。这项工作详细介绍了 IBM 的神经形态架构 TrueNorth 中用于并行和串行脉冲序列的卡尔曼滤波器实现的第一个实例。在多个模拟系统上测试了实现,并根据等效非脉冲卡尔曼滤波器评估了其性能。在改变权重和阈值寄存器的大小、用于编码状态的脉冲数量、用于空间编码的神经元块的大小以及神经元电位重置方案的同时,探索了实现的极限。
摘要:在现实生活中,由于各种测量局限性,登革热流行模型中的所有变量都可以测量。因此,需要一个工具来估计具有已知相关变量的未测量变量。估计非线性系统中变量的一种方法是扩展的卡尔曼滤波器(EKF)。接下来,使用这些估计的结果,将以疫苗接种的形式寻求最佳控制,以减少感染的数量。从仿真结果中可以得出结论,登革热模型的EKF状态估计足以估计在所选的干扰协方差范围内被随机变量干扰的状态。然后,发现干扰的标准偏差越小,开始时所需的最佳控制越小。因此,破坏越大,所花费的成本越大。
摘要 - 高光谱成像技术的最新演变和新的新兴应用程序的扩散按下了多个时间高光谱图像的处理。在这项工作中,我们提出了一种新型的频谱拆解(SU)策略,使用出色动机的参数末端记录来说明时间频谱变异性。通过使用状态空间公式来表示多个时空混合过程,我们能够利用贝叶斯过滤机制来估计末端的变异性系数。假设丰度的时间变化在短时间间隔很小,则采用了预期最大化(EM)算法的有效实施来估计丰度和其他模型pa-Rameters。仿真结果表明,所提出的策略优于最先进的多阶段算法。
使用扩展卡尔曼滤波器对声纳浮标进行主动物体跟踪 1 Ch.Lakshmi Sravya、2 G.Mahesh、3 S.Koteswara Rao、4 B.Omkar Lakshmi Jagan 1,2,3 电子与计算机工程系、4 电子与电气工程系,K L 大学,贡土尔,印度 1 lakshmi.sravi7@gmail.com、2 mahesh88088@gmail.com、3 skrao@kluniversity.in、4 lakshmijagan@kluniversity.in 摘要:在水下,声纳浮标接收物体信息。声纳浮标生成物体距离和方位测量值。扩展卡尔曼滤波器用于处理噪声破坏的测量值,以生成物体运动参数 (OMP)。OMP通过超高频链路与飞机进行进一步处理。给出了模拟结果。关键词-全球定位系统、声纳浮标、物体运动分析、随机处理、统计随机处理
(2022年3月23日收到; 2022年6月25日修订; 2022年8月6日接受)摘要 - 对于车辆状态估算,传统的卡尔曼过滤器在高斯假设下表现良好,但在实际的非高斯局势(尤其是当噪声是非高斯的重型尾巴)中,它表现出较差的准确性和鲁棒性。在本文中,提出了基于最大相关标准(MCC)的扩展卡尔曼过滤器(EKF)算法(MCCEKF),并建立了横向纵向耦合的车辆模型,同时使用YAW速率,longipudinal peppare的状态观察者,使用了longitialinal peppare,该速度使用了易于使用的速度。在分析了所提出算法的复杂性后,通过双车道变化和正弦扫描转向扭矩输入操作在Simulink/CARSIM仿真实验平台上验证了新算法。实验结果表明,与传统的EKF算法相比,基于MCC的EKF算法在非高斯噪声的情况下具有更强的鲁棒性和更好的估计精度,而MCCEKF在实际情况下更适合于车辆状态估计。关键词:车辆状态估计,最大Correntropy标准,非高斯噪声,车辆动力学1。简介