《WSNs环境下基于高斯混合容积卡尔曼滤波的移动机器人定位算法》PDF+DOC
作者:陈晓飞,凌有铸,陈孟元
单位:中国微米纳米技术学会;东南大学
出版:《传感技术学报》2017年第01期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFCGJS2017010240
DOC编号:DOCCGJS2017010249
下载格式:PDF + Word/doc 文字可复制、可编辑
《移动机器人辅助下基于GM-CKF的无线传感器网络节点定位研究》PDF+DOC2016年第09期 陈晓飞,凌有铸,陈孟元
《WSNs下移动机器人HuberM-CKF离散滤波定位》PDF+DOC2016年第06期 邓先瑞,聂雪媛,刘国平
《一种鲁棒的室内移动机器人定位方法》PDF+DOC2005年第04期 厉茂海,洪炳熔
《无线传感器网络中改进的多目标定位和跟踪算法》PDF+DOC2015年第04期 刘淑英
《基于EKF的MDS-MAP定位算法》PDF+DOC2019年第02期 范海红,沈水金
《基于RSSI的WSNs加权质心定位算法的改进》PDF+DOC2013年第07期 丁恩杰,乔欣,常飞,乔莉
《无线传感器网络环境下基于粒子滤波的移动机器人SLAM算法》PDF+DOC2010年第05期 海丹,李勇,张辉,李迅
《基于多维定标算法的WSN安全节点定位研究》PDF+DOC2015年第15期 郑学伟
《无线传感器网络中多边定位的聚类分析改进算法》PDF+DOC2014年第08期 孙大洋,钱志鸿,韩梦飞,王雪
《基于LS-Kalman的无线传感器算法研究》PDF+DOC2013年第05期 田丹丹,李珊君,王忠
针对移动机器人的定位问题,提出一种面向无线传感器网络WSNs(Wireless Sensor Networks)环境下,结合高斯混合容积卡尔曼滤波(GM-CKF)优化的定位算法。将WSNs对移动机器人的观测、机器人自身对环境特征的观测以及机器人自身运动控制量进行数据融合,并利用带有门限判别和选择性高斯分割的GM-CKF算法,对机器人的预估位置实施预测修正,降低计算求解的空间维数,提高定位精度。仿真实验结果表明,所提出的方法比传统机器人自定位法定位精度有所提高,算法精度较标准的CKF算法提高了39.11%,比EKF算法提高了65.81%。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。