基于協(xié)方差交集算法的UKF研究的開題報(bào)告

基于協(xié)方差交集算法的UKF研究的開題報(bào)告1.研究背景無人駕駛技術(shù)已成為汽車行業(yè)發(fā)展的一個(gè)新方向。無人駕駛技術(shù)起源于傳感器和計(jì)算機(jī)技術(shù)的快速發(fā)展，可以為駕駛員提供更高的安全性和更好的駕駛體驗(yàn)。而為了實(shí)現(xiàn)自主行駛，需要進(jìn)行精確的位置估計(jì)，據(jù)此可以構(gòu)建出車輛的高精度地圖，從而實(shí)現(xiàn)規(guī)劃最佳行駛路徑。在位置估計(jì)中，卡爾曼濾波器是一種常用的濾波算法，但是其對于非線性的系統(tǒng)效果不好。針對這個(gè)問題，UKF（無跡卡爾曼濾波）算法作為一種非線性變換卡爾曼濾波方法而被提出。但是，UKF算法在某些情況下也存在精度不足的問題。本課題旨在利用協(xié)方差交集算法優(yōu)化UKF算法，提高其位置估計(jì)性能。2.研究目的本研究旨在研究卡爾曼濾波器及其變種算法，探索卡爾曼濾波在無人駕駛領(lǐng)域的應(yīng)用，分析UKF算法存在的問題，并利用協(xié)方差交集算法對UKF算法進(jìn)行優(yōu)化，提高其位置估計(jì)性能。3.研究內(nèi)容（1）研究卡爾曼濾波器及其變種算法；（2）分析無人駕駛在位置估計(jì)方面的需求；（3）研究UKF算法的原理及在無人駕駛領(lǐng)域的應(yīng)用；（4）探索卡爾曼濾波的精度不足問題；（5）研究協(xié)方差交集算法的原理及應(yīng)用；（6）利用協(xié)方差交集算法對UKF算法進(jìn)行優(yōu)化，并評估其性能。4.研究方法（1）文獻(xiàn)調(diào)研：綜合調(diào)研卡爾曼濾波器及其變種算法、無人駕駛在位置估計(jì)方面的需求、UKF算法在無人駕駛領(lǐng)域的應(yīng)用、卡爾曼濾波的精度不足問題、協(xié)方差交集算法的原理及應(yīng)用等相關(guān)研究；（2）算法設(shè)計(jì)：根據(jù)前期文獻(xiàn)調(diào)研，設(shè)計(jì)協(xié)方差交集算法并對UKF算法進(jìn)行改進(jìn)；（3）數(shù)據(jù)采集與實(shí)驗(yàn)：采集無人駕駛實(shí)驗(yàn)數(shù)據(jù)，并利用所設(shè)計(jì)的算法和原始UKF算法進(jìn)行對比實(shí)驗(yàn)。（4）性能評估：對比改進(jìn)后的UKF算法和原始UKF算法的性能并評估優(yōu)化效果。5.預(yù)期成果（1）研究卡爾曼濾波及其變種算法；（2）分析無人駕駛在位置估計(jì)方面的需求；（3）分析UKF算法在無人駕駛領(lǐng)域的應(yīng)用；（4）利用協(xié)方差交集算法優(yōu)化UKF算法；（5）評估所設(shè)計(jì)算法的性能。6.參考文獻(xiàn)[1]WanEA,VanDerMerweR.TheunscentedKalmanfilterfornonlinearestimation[J].AdaptiveSystemsforSignalProcessing,CommunicationsandControlSymposium2000.AS-SPCC.TheIEEE2000,2000(3):153-158.[2]陶福龍.無跡卡爾曼濾波估計(jì)技術(shù)及其在高精度導(dǎo)航中的應(yīng)用[D].南京航空航天大學(xué),2013.[3]張菁,劉文文,王嘉琪.基于UD合成天線的卡爾曼濾波與UKF算法在目標(biāo)跟蹤上的應(yīng)用[J].遙感技術(shù)與應(yīng)用,2018,33(1):77-84.[4]王繼良,王芳芳.卡爾曼濾波原理及其應(yīng)用[M].人民郵電出版社,2015.[5]李浩,王安靜,志勇濤.基于卡爾曼濾波和UKF的魯棒定位算法研究[J].計(jì)算機(jī)工程,2018,44(02):246-250.[6]KimCK,LeeJJ,LeeJK.Prediction-basedvehiclepositioningusingIMUandLIDARforurbancanyonenvironments[J].IEEE