西安交通大学学报
西安交通大學學報
서안교통대학학보
JOURNAL OF XI'AN JIAOTONG UNIVERSITY
2009年
2期
25-28,42
,共5页
粒子滤波%统计线性回归%求积分卡尔曼滤波%重要性密度函数
粒子濾波%統計線性迴歸%求積分卡爾曼濾波%重要性密度函數
입자려파%통계선성회귀%구적분잡이만려파%중요성밀도함수
针对非线性/非高斯系统的状态估计问题,提出一种采用求积分卡尔曼滤波(QKF)算法来产生重要性密度函数的粒子滤波新算法--PF-QKF算法.新算法使用统计线性回归的方法,通过一套高斯一厄米特积分点来线性化非线性函数,不需要计算雅可比矩阵,易于实现,而且所产生的重要性密度函数在系统状态转移概率密度的基础上,融入最新的观测数据,提高了对系统状态后验概率的逼近程度.理论分析和实验结果表明,PF-QKF算法的估计精度比无味粒子滤波(PF-UF)算法提高了约18%,其计算复杂度比PF-UF算法稍有降低,表明PF-QKF算法是一种很有效的非线性滤波算法.
針對非線性/非高斯繫統的狀態估計問題,提齣一種採用求積分卡爾曼濾波(QKF)算法來產生重要性密度函數的粒子濾波新算法--PF-QKF算法.新算法使用統計線性迴歸的方法,通過一套高斯一阨米特積分點來線性化非線性函數,不需要計算雅可比矩陣,易于實現,而且所產生的重要性密度函數在繫統狀態轉移概率密度的基礎上,融入最新的觀測數據,提高瞭對繫統狀態後驗概率的逼近程度.理論分析和實驗結果錶明,PF-QKF算法的估計精度比無味粒子濾波(PF-UF)算法提高瞭約18%,其計算複雜度比PF-UF算法稍有降低,錶明PF-QKF算法是一種很有效的非線性濾波算法.
침대비선성/비고사계통적상태고계문제,제출일충채용구적분잡이만려파(QKF)산법래산생중요성밀도함수적입자려파신산법--PF-QKF산법.신산법사용통계선성회귀적방법,통과일투고사일액미특적분점래선성화비선성함수,불수요계산아가비구진,역우실현,이차소산생적중요성밀도함수재계통상태전이개솔밀도적기출상,융입최신적관측수거,제고료대계통상태후험개솔적핍근정도.이론분석화실험결과표명,PF-QKF산법적고계정도비무미입자려파(PF-UF)산법제고료약18%,기계산복잡도비PF-UF산법초유강저,표명PF-QKF산법시일충흔유효적비선성려파산법.
