杭州电子科技大学学报
杭州電子科技大學學報
항주전자과기대학학보
JOURNAL OF HANGZHOU DIANZI UNIVERSITY
2011年
4期
9-12
,共4页
序贯贝叶斯滤波%状态-空间模型%卡尔曼滤波%质点滤波
序貫貝葉斯濾波%狀態-空間模型%卡爾曼濾波%質點濾波
서관패협사려파%상태-공간모형%잡이만려파%질점려파
序贯Bayesian滤波为Bayesian滤波的递归实现,为在线估计系统状态提供了一个合理的框架.序贯贝叶斯滤波是基于状态-空间模型的.在线性高斯状态-空间模型下,最佳序贯贝叶斯滤波为大家熟知的卡尔曼滤波.在非线性/非高斯状态-空间模型下,最佳序贯贝叶斯滤波不存在通用的解析解,基于卡尔曼滤波的方法和质点滤波方法为比较常用的两类次最佳序贯贝叶斯滤波.它们各有各的优势,是相互补充的.该文采用扩展卡尔曼滤波和序贯重要性重采样质点滤波对两个非线性/非高斯系统的状态进行跟踪,仿真表明系统非线性/非高斯不严重时采用扩展卡尔曼比较合适,非线性/非高斯较严重时采用序贯重要性重采样比较合适.
序貫Bayesian濾波為Bayesian濾波的遞歸實現,為在線估計繫統狀態提供瞭一箇閤理的框架.序貫貝葉斯濾波是基于狀態-空間模型的.在線性高斯狀態-空間模型下,最佳序貫貝葉斯濾波為大傢熟知的卡爾曼濾波.在非線性/非高斯狀態-空間模型下,最佳序貫貝葉斯濾波不存在通用的解析解,基于卡爾曼濾波的方法和質點濾波方法為比較常用的兩類次最佳序貫貝葉斯濾波.它們各有各的優勢,是相互補充的.該文採用擴展卡爾曼濾波和序貫重要性重採樣質點濾波對兩箇非線性/非高斯繫統的狀態進行跟蹤,倣真錶明繫統非線性/非高斯不嚴重時採用擴展卡爾曼比較閤適,非線性/非高斯較嚴重時採用序貫重要性重採樣比較閤適.
서관Bayesian려파위Bayesian려파적체귀실현,위재선고계계통상태제공료일개합리적광가.서관패협사려파시기우상태-공간모형적.재선성고사상태-공간모형하,최가서관패협사려파위대가숙지적잡이만려파.재비선성/비고사상태-공간모형하,최가서관패협사려파불존재통용적해석해,기우잡이만려파적방법화질점려파방법위비교상용적량류차최가서관패협사려파.타문각유각적우세,시상호보충적.해문채용확전잡이만려파화서관중요성중채양질점려파대량개비선성/비고사계통적상태진행근종,방진표명계통비선성/비고사불엄중시채용확전잡이만비교합괄,비선성/비고사교엄중시채용서관중요성중채양비교합괄.
