：卡尔曼滤波（KF）的已被广泛应用于目标状态估计，但以机动状态存在时，其性能可能会受到严重影响，因为移动可以表现为加在目标模型上的大量的噪声而且过程噪声方差掩盖不了它。为了解决这个问题，文章提出了一种新型智能KF（IKF）可以跟踪机动目标。未知的目标加速度被视为添加的过程噪声，而整个过程噪声的时变方差是在智能模糊系统中近似计算的。为了优化模糊系统，遗传算法（GA）或DNA编码方法可以利用，根据使用的这些优化方法，我们称这种滤波器为基于遗传算法的IKF或基于DNA编码的IKF。这种IKF利用一个

Invariant Kalman Filtering 的介绍，以及在导航中的应用

无功功率补偿器JKF说明书pdf,无功功率补偿器JKF说明书深圳市华冠电气有限公司 Page 3 of 4 接线图 负载 电源 总控制柜 NcBA 力变压 电容柜 Us1 Us2 Is1 Is2 16 1413 v1|23456|7|8|591012 NCBA Uk—接触器控制电源 图2取样电压220V 负载 电源 总控剩柜 NeB 力变压 k1 k2 电容柜 uglt6|151413 v112|34s67891012 Uk J10 6 NCBA Uk—接触器控制电源 图3取样电压380V 取样

针对非视距(NLOS)环境下的移动定位问题,提出一种基于交互式多模型-改进卡尔曼滤波(IMM-IKF)的无线传感器网络NLOS节点定位算法.算法在IMM算法框架下估计移动节点位置,采用两个平行的改进卡尔曼滤波算法对多个移动节点候选位置进行滤波处理,通过Markov链实现LOS状态与NLOS状态的转换,根据似然概率对两个滤波结果进行加权融合,从而获得移动目标位置.仿真实验结果表明,所提出算法可以有效抑制NLOS误差,实现精确定位.