基于无味卡尔曼滤波的超声回波精确定位研究
UWB室内定位的无线时钟同步算法研究
UWB室内定位的无线时钟同步算法研究摘要近年来，针对城市及室内复杂建筑环境等GNSS盲环境的高精度定位需求，基于短距离无线定位技术得到了快速发展。
室内定位技术中，UWB技术被看作是高精度定位的最佳选择。
本文对影响定位精度的基站之间的时钟同步进行了研究，提出一种基于卡尔曼滤波的无线时钟同步算法，建立了对应的数学模型，经过模型测试实验得出基站之间在卡尔曼滤波算法的跟踪作用下，时钟同步效果很好，定位误差落在5-15CM的概率整体提高了36%。
关键词：无线定位、UWB室内定位、时钟同步、卡尔曼滤波引言现阶段室内定位技术中，基于无线局域网（WLAN）、紫蜂（ZigBee）、蓝牙（BlueTooth）、无线射频识别（RFID）、超声波、超宽带（UWB）等定位技术得到了广泛研究与应用。
表1 室内定位技术特点比较超声波0.01-0.1高无强高5m工业相比于其它定位技术UWB定位技术具有传输速率高、发射功率低、穿透能力强、无载波、抗多径效果好、安全性高、定位精度高等优点。
1、UWB定位技术对时钟同步的要求1.1 TOA（Time Of Arrival）定位技术TOA定位技术通过测量从标签到三个或更多UWB基站的信号传播时间，可获得从标签到基站的距离。
分别以基站为中心和距离为半径绘制三个或多个圆，圆的交点是标签的位置(理想情况下)[2]3-4。
见图1。
TOA技术对设备的时间同步和时钟精度要求非常严格。
标签在定位过程中如果移动，要得到传播时延就必须保证基站接收机和标签发射机的时间同步。
基站间的时钟同步和精度决定了TOA的定位技术的精度。
1.2到达时间差（TDOA）技术TDOA又叫双曲线定位技术，通过标签到不同基站之间的时间差来进行定位。
见图2。
标签将数据包发送到被基站覆盖的区域内，附近的基站会收到标签的无线信号，但不会返回无线信号。
由于基站与标签的距离间隔不同，数据在不同的时刻到达每个基站。
这些时间差乘以恒定的光速得到标签和基站之间的距离差，形成多点定位计算的基础，从而确定标签的相对坐标[6]12-14。
广播电视的室内定位与导航技术考核试卷
B.信号采集的环境稳定性
C.信号处理算法
D.传感器类型
19.以下哪些技术可以用于室内定位中的信号增强？( )
A. MIMO技术
B.增益天线
C.信号放大器
D.信号重传技术
20.室内定位技术在医疗领域中的应用包括以下哪些？( )
A.病人定位与监护
B.医疗设备追踪
C.手术导航
D.药物配送管理
8.在室内导航系统中，以下哪些技术可以用于路径规划？( )
A.图搜索算法
B.波前扩展算法
C.蚁群算法
D.机器学习算法
9.以下哪些技术常用于室内定位中的信号预处理？( )
A.滤波
B.傅里叶变换
C.小波变换
D.信号对消
10.以下哪些是室内定位技术在智能城市建设中的应用？( )
A.智能停车场导航
B.智能家居控制
2.描述超宽带（UWB）室内定位技术的原理，并说明它相较于其他室内定位技术的优势。
3.请阐述信号强度定位方法中的RSSI（Received Signal Strength Indicator）是如何工作的，并讨论影响RSSI定位精度的因素。
4.结合实际案例，说明室内导航技术在大型商场或购物中心的应用，以及它对消费者行为和商家运营的影响。
10.室内定位技术中，______是一种利用计算机视觉技术进行位置估计的方法。（）
四、判断题（本题共10小题，每题1分，共10分，正确的请在答题括号中画√，错误的画×）
1.室内定位技术中，GPS信号由于信号衰减和多径效应，通常不适用于室内环境。（）
2.在室内定位中，增加参考节点的数量一定会提高定位精度。（）
8.多径分析
9.滤波算法
基于无味卡尔曼滤波的多雷达方位配准算法
维普资讯
第２ 卷第ｌ １ 期
２０ ０ ６年 ３月
数
据
采
集
与
处
理
பைடு நூலகம்
Ｖｏ１ Ｎｏ．１ ．２１
Ｍ ａｒ ２０ ． ０６
Ｊ ｕ ｎ ｌｏ ｔ ｑ ｉｉ ｏ ＆ Ｐｒ ｃ ｓｉｇ ｏ ｒ ａ ｆＤａａＡｃ ｕｓｔ ｎ ． ｏ ｅｓｎ ｉ
法 能有 效 地 克服 非 线性 跟踪 问题 中很 容 易 出现 的 滤 波 发 散 问题 ， 估 计 精 度 高 于 ＵＫＦ 方 法 。 且
关键词 ： 多雷 达 ｝ 方位 配 准 ； 味 卡 尔 曼滤 波 ； 无 系统误 差 中 图分 类 号 ： ＴＮ９ １７ ｌ． 文献标识码 ： Ａ
Ａｌ ｏ ｉｈｍ ｏ ｕ ｔ－ ｄ ｒ Ａｚ ｍ ｕ ｈ ｇ ｒｔ ｆ ｒ Ｍ ｌ ｉＲａ ａ ｉ ｔ Ｒｅ ｉ ｔ ａ ｉ ｎ Ｂａ ｅ ｎ Ｕｎｓ ｅ ｅ ａ ｍ ａ ｌ ｅ ｇ ｓ ｒ ｔｏ ｓ ｄ ｏ ｃ ｎｔ ｄ Ｋ ｌ ｎ Ｆｉｔ ｒ
ｏ ｈ ａ ｇ ｔ ｓ ａ ｅ，ａ ｄ ｔ ｅ ｂ ａ ｅ ｒ ｏ ｒ ｃ ｕ ａ ｅ ｙ ｃ ｍｐ ｔ ｄ ｔ ｈ ｅ ｏ ｄ ｏ ｄ ｒ Ｔｈ ｉ ｆｔ ｅ ｔ ｒ ｅ ｔ ｔ ｎ ｈ ｉｓ ｄ ｅ ｒ ｒａ ｅ ａ ｃ ｒ ｔ ｌ ｏ ｕ ｅ ｏ ｔ ｅ ｓ ｃ ｎ ｒ ｅ ． ｅ ｌ ｎ ｅ ｒｚ ｔｏ ｆ ｈ ｏ ｌ ｅ ｒｅ ｕ ｔ ｎ ｏ ｈ ｘ ｅ ｄ ｄ Ｋａ ｍａ ｉ ｅ （ ａ ｉ ｉ ｎ ｏ ｅ ｎ ｎ ｉ ａ ｑ ａ ｉ ｓ ｆ ｒｔ ｅ ｅ ｔ ｎ ｅ ｌ ｎ ｆ ｔ ｒ ＥＫＦ）ｓ ｎ ｔｎ ｅ ｅ ． Ｓ ｍ ｕ ａ ｔ ｎ ｏ ｌ ｉ ｏ ｅ ｄ ｄ ｉ — ｌ ｔ ｎ ｒ ｓ ｌ ｓ ｏ ｈ ｔ ｉ ｈ ａ ａ ｅ ｉｔ ａ ｉ ｎ ｐ ｏ ｌ ｍ ｈ ＫＦ ｍｅ ｈ ｄ ｏ ｔ ｅ ｆ ｒ ｓ ｔ ｅ ａ ｉ ｅ ｕ ｔ ｈ ｗｓ ｔ ａ ｎ ｔ ｅ ｒ ｄ ｒ ｒ ｇ ｓ ｒ ｔｏ ｒ ｂ ｅ ｔ ｅ Ｕ ｏ ｔ ｏ ｕ ｐ ｒｏ ｍ ｈ ｓａ ｄ ｒ ｔ ｎ ａ ｄ ＥＫＦ ｉ ｈ ｃ ｕ ａ ｙ ａ ｄ ｔ ｅ ｄ ｖ ｒ ｅ ｃ ｅ ｆ ｒ ｎ ｅ ｎ ｔ ｅ ａ ｃ ｒ ｃ ｎ ｈ ｉ ｅ ｇ ｎ ｅ ｐ ｒｏ ｍａ ｃ ． Ｋｅ ｒ ｓ ｙ ｗｏ ｄ ：ｍｕ ｔ— ａ ａ ；ａ ｉ ｕ ｈ ｒ ｇ ｓ ｒ ｔ ｎ；ｕ ｓ ｅ ｔ ｄ Ｋａ ｍａ ｉ ｅ ；ｓ ｓ ｅ ｅ ｒ ｒ ｌｉｒ ｄ ｒ ｚｍ ｔ ｅ ｉｔ ａ ｉ ｏ ｎ ｃ ｎ ｅ ｌ ｎ ｆｌ ｒ ｙ ｔ ｍ ｒ ｏ ｔ
TV系统中基于Kalman滤波器的自回归频谱空洞预测
【 Abstract 】
In this paper,
an autoregressive channel prediction model based on Kalman filter is presented for broadcast -TV Firstly, this paper discusses the spectrum hole of the coexistence with rental users and and prediction based on Theoretical analysis and and and improve Next we investigate the autoregressive prediction principle,
基 金 项 目 ： 重 庆 邮 电 大 学 自 然 科 学 基 金 项 目 （A2008-28 ）； 重 庆 大 学 研 究 生 创 新 重 点 项 目 （200904B1A0010306 ）； 重 庆 市 教 委 项 目 （KJ090502 ）
2011年第 35 卷第 02 期（总第 352 期）
【Key words】 broadcast-TV system; autoregressive; Kalman filter; spectrum holes; cognit剧增长 ， 可用频谱
后在此基础上进行动态频谱接入 ，无疑将最大可能地降低 冲撞率 ，同时提高频谱利用率 ，进而将提高网络吞吐量 。 针对以上问题 ， 笔者提出一种基于 Kalman 滤波器的 自回归的频谱空洞预测模型 。 该模型信道变化基于 2 阶 （ 即 AR-2 ） 自回归过程 。 AR 模型广泛应用于衰落信道中 的信道传输状态的预测[1]，其模型参数可以通过 Yule-walk-
基于Kalman滤波的无源定位方法研究的开题报告
基于Kalman滤波的无源定位方法研究的开题报告一、选题背景及意义定位技术在无线通信、智能交通、环境监测、军事侦察等领域中应用广泛。
无线定位技术又可分为有源和无源两类。
有源定位技术需要在目标上添加定位设备，而无源定位技术则只依赖目标发射的信号进行定位，无需安装任何新的设备，因此无源定位技术更具可靠性和实用性。
Kalman滤波器是一种经典的状态估计算法，广泛应用于精密仪器控制、互联网金融、航空航天以及无线通信等领域。
基于Kalman滤波的无源定位方法，主要依赖目标发射的信号进行定位，然后通过Kalman滤波器对信号进行优化处理，从而提高定位精度和稳定性。
目前，基于Kalman滤波的无源定位方法在通信领域和军事领域已得到广泛应用。
然而，仍存在一些问题亟待解决，如定位误差大，鲁棒性差等。
因此，如何进一步提高基于Kalman滤波的无源定位方法的定位精度和鲁棒性，是本研究的重要目的。
二、研究内容及方法本研究将主要基于Kalman滤波器对无源定位信号进行优化处理，从而提高定位精度和稳定性。
具体研究内容如下：1. 综述无源定位技术及Kalman滤波器原理和应用。
2. 分析无源定位中面临的问题和挑战，如多径效应、信号弱化、信号失真等问题。
3. 提出基于Kalman滤波的无源定位算法，并设计相关实验进行验证。
4. 评估算法的性能，并和其他无源定位算法进行比较和分析。
本研究将采用实验方法，通过设计定位实验平台，采集无源定位信号数据，并将实验数据输入到Kalman滤波器中进行优化处理。
最后，通过与其他无源定位算法的数据对比，验证本方法的准确性和实用性。
三、预期成果及意义本研究旨在提高基于Kalman滤波的无源定位方法的定位精度和鲁棒性，为无线定位技术的研究提供新思路和方法。
预期研究成果如下：1. 提出一种基于Kalman滤波的无源定位算法，并对其进行理论和实验分析。
2. 验证本算法的准确性和实用性，实现无源定位的高精度、高稳定性、高鲁棒性。
基于Kalman滤波的无源动态定位算法的研究
基于Kalman滤波的无源动态定位算法的研究
王慧;陈伟;刘建;沈兵
【期刊名称】《武汉理工大学学报（交通科学与工程版）》
【年(卷),期】2006(030)002
【摘要】目前已经能够研制出测量用户至卫星伪距信号的"北斗"用户接收机,此款接收机可以工作在无源定位的情况下.由于"北斗"定位卫星数量极其有限,接收机在动态定位的精度上会出现很大的误差.文中针对这一问题进行讨论,采用"当前"统计模型来建立用户载体的状态方程,并且提出一种新的量测方程,然后将构建的Kalman滤波方程组运用于接收机的动态定位中,仿真结果表明,这种算法能很好地改善定位的精度及动态性能.
【总页数】4页(P228-231)
【作者】王慧;陈伟;刘建;沈兵
【作者单位】武汉理工大学信息工程学院,武汉,430070;武汉理工大学信息工程学院,武汉,430070;北京神州天鸿科技有限公司,北京,100094;北京神州天鸿科技有限公司,北京,100094
【正文语种】中文
【中图分类】TN915.65
【相关文献】
1.KALMAN滤波技术在北斗无源动态定位中的应用研究 [J], 王妙;左继章
2.基于遗传算法的多模型Kalman滤波算法及应用研究 [J], 王子亮;房建成;全伟
3.基于Kalman滤波算法的精细化农业机器人巡航策略研究 [J], 王昊;陈兴旺;龙恒;张琛;范津榕;蒋伟
4.基于Kalman滤波算法的精细化农业机器人巡航策略研究 [J], 王昊;陈兴旺;龙恒;张琛;范津榕;蒋伟
5.基于推广Kalman滤波的机载无源定位改进算法 [J], 李硕;曾涛;龙腾;毛二可因版权原因，仅展示原文概要，查看原文内容请购买。
基于局部Radon变换和卡尔曼滤波的超声图像肌束方向自动跟踪方法
基于局部Radon变换和卡尔曼滤波的超声图像肌束方向自动跟踪方法温慧莹;杨晓娟;郭燕荣;张帅;张志国;汪天富;陈思平;陈昕【摘要】超声成像是一种无创、实时和便捷的成像方法,已被广泛用于人体肌肉运动分析.临床上目前主要采用手工处理的方法来提取超声图像中的形态结构,不仅依赖于操作者的主观经验,且耗时严重、重复性低.提出一种自动计算与跟踪超声图像序列中肌束方向的新方法,利用基于约束互信息的自由变换算法自动提取感兴趣区域,然后基于局部Radon变换对超声图像进行投影,并利用相邻帧间肌束的连贯性,采用卡尔曼滤波的图像处理方法.对6名试验对象进行步行实验,共采集小腿内侧腓肠肌的动态超声影像1 080帧,并用所提出的方法计算肌束方向.实验结果表明,所提出的自动检测方法有较好的鲁棒性.与人工检测结果相比,两者的平均相关系数为0.92±0.02,平均误差为0.30°±0.62°.该方法可以一定程度地替代人工测量,在处理大量超声数据时具有较大的优势.【期刊名称】《中国生物医学工程学报》【年(卷),期】2016(035)002【总页数】7页(P141-147)【关键词】超声成像;肌束方向;Radon变换;卡尔曼滤波【作者】温慧莹;杨晓娟;郭燕荣;张帅;张志国;汪天富;陈思平;陈昕【作者单位】深圳大学医学院生物医学工程系医学超声关键技术国家地方联合工程实验室,广东省生物医学信息检测与超声成像重点实验室,深圳518060;深圳大学医学院生物医学工程系医学超声关键技术国家地方联合工程实验室,广东省生物医学信息检测与超声成像重点实验室,深圳518060;深圳大学医学院生物医学工程系医学超声关键技术国家地方联合工程实验室,广东省生物医学信息检测与超声成像重点实验室,深圳518060;香港大学电气与电子工程系,香港999077;香港大学电气与电子工程系,香港999077;深圳大学医学院生物医学工程系医学超声关键技术国家地方联合工程实验室,广东省生物医学信息检测与超声成像重点实验室,深圳518060;深圳大学医学院生物医学工程系医学超声关键技术国家地方联合工程实验室,广东省生物医学信息检测与超声成像重点实验室,深圳518060;深圳大学医学院生物医学工程系医学超声关键技术国家地方联合工程实验室,广东省生物医学信息检测与超声成像重点实验室,深圳518060【正文语种】中文【中图分类】R318引言肌肉是构成人体的重要组织，其主要功能为产生收缩和控制身体的运动。
多目标跟踪中的卡尔曼滤波器优化研究
多目标跟踪中的卡尔曼滤波器优化研究多目标跟踪技术广泛应用于机器视觉、机器人、自动驾驶、物联网等领域中，目的是实现对多个运动目标的同时实时、准确跟踪。
这是一项非常复杂的任务，需要克服一系列问题，例如运动模式的不确定性、目标重叠、遮挡和混淆等。
因此，多目标跟踪技术需要强大的算法支持，而卡尔曼滤波器是其中最常用的一种。
卡尔曼滤波器是一种基于贝叶斯理论的线性状态估计器，它能够对未知状态的变量进行无偏、最小方差的估计，并能根据新的观测结果及时更新状态估计值。
在多目标跟踪中，卡尔曼滤波器的作用是将目标的运动状态进行建模，预测目标在下一帧中的位置，并根据测量结果进行位置校正。
然而，在实际的多目标跟踪任务中，卡尔曼滤波器的性能往往受到多种因素的影响。
一方面，多个目标之间存在相互干扰和影响，可能导致卡尔曼滤波器跟踪结果的不准确性；另一方面，卡尔曼滤波器的参数设置对跟踪效果起着至关重要的作用。
针对这些问题，研究者们提出了一系列卡尔曼滤波器优化方法，以提高多目标跟踪的准确性和实时性。
其中，最为常见的优化方法包括如下几个方面：1. 基于动态模型的建模卡尔曼滤波器的基本思想是将目标的运动状态建模为一个动态系统，其中状态变量包括位置、速度、加速度等。
在跟踪多目标时，一般需要设计合适的动态模型，以考虑目标之间的相互影响和干扰。
为了更好地描述目标的运动状态，研究者们提出了一系列更为复杂的动态模型，例如基于质点模型的运动预测模型、复合运动模型等。
这些动态模型能够更加准确地描述目标在不同场景中的运动规律，从而提高卡尔曼滤波器的跟踪效果。
2. 滤波参数的优化卡尔曼滤波器的参数包括状态转移矩阵、测量矩阵、过程噪声方差和测量噪声方差等。
这些参数的设置对卡尔曼滤波器的跟踪效果具有非常重要的影响。
研究者们通过实验和数学模型推导，不断优化卡尔曼滤波器的参数，以适应不同的目标跟踪任务。
例如，在考虑目标之间相互干扰的时候，可以增加过程噪声方差，从而使卡尔曼滤波器更加容易跳出局部最优解；在考虑目标之间重叠的时候，可以改变测量矩阵的形式，从而提高测量结果的准确性。
- 1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
- 2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
- 3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。
它们构 成了 ＵＫ Ｆ的核心 。其 中， 为卡尔曼增益阵 ； Ｐ 为方 差 阵； 为状态向量 ； Ｚ 为实际观测值； Ｐ ｋ 为协方差矩 阵的估计 值， 可作为下一步估计 的初值 。
（ ６ ）
上两式子 中， ｘ ——系统状态 ， Ｕ — — ｋ时刻对系 统的控 制量 。Ａ和 Ｂ是系统参数， 对于 多模型系统 ， 他们为矩阵 。ｚ ｋ 是ｋ 时刻的测量值 ， Ｈ是测量系统 的参数 ， 对于多测 量系统， Ｈ 为矩阵 。Ｗ（ ｋ ） 和 ｖ（ ｋ ） 分 别表 示过程 和测 量的噪声。他们被假 设成高斯 白噪声（ Ｗｈ ｉ ｔ ｅ Ｇ ａ ｕ ｓ ｓ ｉ ａ ｎ Ｎｏ ｉ ｓ ｅ ） ， 他们的 ｃ ｏ ｖ ａ ｒ ｉ ａ ｎ ｃ ｅ分 别是 Ｑ， Ｒ。ＵＫ Ｆ滤波算法为０ ：
首 先 ，引 入 一 个 离 散 控 制 过 程 的系 统 。 该系 统 可 用 一 个
由于 高 精 度 的渡 越 时 间决 定 了超 声 波 测 距 的准 确 性 ，提
高测量精度成为亟需破解的难题 。Ｉ 天 ＝ 】 此 ，为提高渡越时间精 确度 ， 提 出了采用 改善传感器精度 、 对回波信号进行非线性校 正 、整流放大 以及改变 门槛 闽值等方法 。本文改变 以往 以实 验为主 的研究思路 ，从理 沦角度对回波到达时刻进行分析与
定量计算 ， 进而进行仿真 。
线性随机微分方程 （ Ｌ ｉ ｎ ｅ ａ ｒ Ｓ ｔ ｏ ｃ ｈ ａ ｓ ｔ ｉ ｃ Ｄｉ ｆ ｅ ｒ ｅ ｎ ｃ ｅ ｅ ｑ ｕ ａ ｔ ｉ ｏ ｎ ） 加上 系统的测量值来描述 ：
＝
一
１ ＋
＋
（ ５ ）
Ｚｋ ＝圩（ ） ＋
两 个 单 回波 包 络 之 差 。
） 和
一
，
， 两协方差阵 由 ｕ Ｔ变 换完成计 算， 具体计算步骤如
２ 无 味卡尔 曼滤 波算 法
２ ． １ 无味卡 尔曼 滤波 基本原 理
卡尔曼滤波 过程本质上是 获取维纳解 的递 推运算过程 ，
摘要 ： 超 声波测距技 术是一种原理 简单、 易于实现 的非接 触测量技 术 ， 在现代 工业 生产 中应 用极其广 泛。传统 的超 声波
测距仪 由于采用固定阈值 的比较 器比较输 出， 测量精度偏低 。 文章提 出一种基于无味 卡 尔曼滤波、 适 用于双回波重叠情 况的检测超 声回波到达 时刻算 法。 根 据对单回波信 号经验模 型的验证 以及超声波 回波 曲线特性 的分析导 出了适 用于双
２ ０ １ ５年第 ７期
Ｌ 总第 １ ５ １期）
信 息 通 信
Ｉ ＮＦ ＯＲＭ ＡＴ １ ０Ｎ ＆ Ｃ０Ｍ Ⅳ［ Ｉ ＮＩ Ｃ ＡＴＩ ＯＮＳ
２０１ ５
（ Ｓ ｕ ｍ ． Ｎ ｏ １ ５ １ ）
基 于无味卡尔曼滤波 的超 声回波精确 定位研 究
崔 延 硕
（ 成都 理工大学信息科学与技术学 院， 四川 成都 ６ １ ０ ０ ５ ９ ）
＝ Ｐ～（
一
１超声 波 回波信 号分 析
当超 声波遇 到由声抗不 同的介质构成 的界面 时，将会发 生发射现象 。反射波 的强弱及方 向主要取决于界面两侧 的声 阳抗 ｚｌ 和ｚ ２ 。反射 回波一般有无阻碍回波 、 部分阻碍回波、 全阻碍 回波三 种情 况， 超声波信号分析中常用时域分析法 。 超 声波 接收装置获得 的单 一回波 的超 声波信 号可 以导出以下经 验模 型： 式中： Ｂ （ ｔ ） 一 底面 回波 ， Ａ． 振幅， ． 渡越 时间， ｒ （ ｔ ） ． 整个 回 波信 号， ｆ ｃ ． 超 声波 的频率 ， ０ ． 超声波初 相位 。
＝
ｃ
．
（ ７ ） （ ８ ） （ ９ ）
Ｘ ＝Ｘｋ Ｉ ｋ ＋Ｋ （ Ｚ ｋ —Ｚ ｋ ｜
： —
（
二
式（ ７ ） 、 （ ８ ） 、 （ ９ ） 即为线性最小方差估计 的一种近似形式 ，
ｒ （ ｆ ） ＝Ｂ（ ｔ ） ｓ ｉ ｎ （ ２ ｘ ｆ ￣ ｆ ＋ ）
２ ． ２ 基 于 无昧 卡尔 曼滤 波 的估计 方法
根据回波包络经验模型 ， 利用无味卡尔 曼滤波 （ ｕ ＫＦ ） 对 回波到达时刻进行估计 。单回波时 ， 假 设状 态向量为 ｘ＝ （ Ａ， Ｔ ’ ａ ， Ｔ ）； 双重叠回波时 ， 两个包络形状相似， 初相位 随机 ， 假设状 态 向量为 Ｘ ＝ （ Ａ１ ， Ａ ２ ， ａ ， ＇ ｃ ｌ ， ｚ ２ ， Ａ ０ ｏ增益取决于 Ｐ～（
下：
Ｂ Ｏ ） ＝Ｂ ｌ ） 【 （ ｆ — ） 一 “ （ ｆ 一 ） 】 ＋Ｂ ） ’ ” （ ｆ 一 ） （ ２ ）
该式表示第一个回波加上与第二个回波的重叠部分 。显 然， 在 重叠部分， 回波包络模型与相位差有关 ： 当相位差 为 ０ 。 时， 模 型为两个 单回波包 络之 和； 当相位差为 １ ８ ０ 。时， 模型为
回波重叠情 况下的理论模型 ， 并在不 同时 间差和相位差条件下 ， 对回波 包络峰 值的到达时刻进行仿真检测。与传统 的测
量精度 对比表明， 该方法能够准确地检测回波到达 时刻 ， 提 高测量精度 ， 并 能有 效抑制噪 声。
关键 词： 超声波测距 ； 无味 卡 尔曼滤波 ； 回波 包络 ； 回波到达时刻 ； 抑制噪 声 中图分 类号 ： Ｔ Ｎ８ ２ ０ ． ４ 文献标识码 ： Ａ 文章编号 ： １ ６ ７ ３ － ｌ １ ３ １ （ ２ ０ １ ５ ） ０ ７ — ０ ０ ０ ３ — ０ ２