一种基于量化自适应卡尔曼滤波的车辆速度预测方法,包括以下步骤:首先,在智能网联交通系统中,通过DSRC技术自动识别行驶的车辆并获取相关数据,实现车载系统与路边单元的信息交互;接着,针对采集的相关信息,首先通过量化公式对路边单元与车载系统的方位角进行量化,其次通过自回归滑动平均法对加速度进行预测,最后利用自适应卡尔曼滤波进行水平位置预测;最后,将处理好的信息通过光缆发送给另外3个路边单元,以便于下一次与车载系统的信息交互。本发明提供了一种在智能网联交通系统下基于量化自适应卡尔曼滤波的车辆轨迹跟踪方法。
📄 201810947274X
📂 G08G1_16
👤 浙江工业大学
📅 2018-08-20
一种基于量化自适应卡尔曼滤波的车辆速度预测方法,包括以下步骤:首先,在智能网联交通系统中,通过DSRC技术自动识别行驶的车辆并获取相关数据,实现车载系统与路边单元的信息交互;接着,针对采集的相关信息,首先通过量化公式对路边单元与车载系统的方位角进行量化,其次通过自回归滑动平均法对加速度进行预测,最后利用自适应卡尔曼滤波进行速度预测,达到速度修正值;最后,将处理好的信息通过光缆传送给另外3个路边单元,以便于下一次与车载系统的信息交互。本发明提供了一种在智能网联交通系统下基于量化自适应卡尔曼滤波的车辆速度预测方法。
📄 2018109470250
📂 G08G1_052
👤 浙江工业大学
📅 2018-08-20
本发明公开了一种面向WiFi/PDR室内融合定位的自适应卡尔曼滤波方法,首先用户手持终端设备在目标区域内,接收来自每个AP的RSSI,在对数正态分布的路径损耗模型下,利用加权最小二乘法得到用户的位置,同时通过PDR算法中的估算模型得到用户位置,然后利用自适应卡尔曼滤波将基于传播模型的定位信息与PDR的定位信息进行多次融合,得到用户的最佳位置,其中,自适应卡尔曼滤波体现在反馈机制上,即将每次融合定位结果对加权最小二乘法中的路径损耗指数等参数进行动态修正,最终使得传播模型更符合室内环境。本发明解决了在室内环境下单一WiFi定位精度低和PDR存在累积误差的问题,还能够实时跟踪传播模型的路径损耗指数,增强了定位性能的稳定性。
📄 2017102909741
📂 H04W4_02
👤 重庆邮电大学
📅 2017-04-28