CAJ | 학술논문

针对系统状态估计、目标跟踪等是包含多源不确定性信息的非线性非高斯随机过程,提出了一种基于信赖域的序贯拟蒙特卡洛(Sequential Quasi-Monte Carlo,SQMC)滤波算法.该算法利用拟蒙特卡洛积分技术优化采样粒子在状态空间的分布特性,降低了滤波过程中的积分误差,提高了状态估计精度;同时,利用信赖域(Trust Region,TR)方法将采样粒子向高似然区域移动,减少了所需采样粒子的数目,降低了算法复杂度.实验结果表明:该算法有效克服了粒子贫乏和拟蒙特卡洛滤波计算复杂度高的问题,且在非线性系统状态估计精度以及目标跟踪的准确性上要优于粒子滤波和拟蒙特卡洛滤波等现有算法.
침대계통상태고계、목표근종등시포함다원불학정성신식적비선성비고사수궤과정,제출료일충기우신뢰역적서관의몽특잡락(Sequential Quasi-Monte Carlo,SQMC)려파산법.해산법이용의몽특잡락적분기술우화채양입자재상태공간적분포특성,강저료려파과정중적적분오차,제고료상태고계정도;동시,이용신뢰역(Trust Region,TR)방법장채양입자향고사연구역이동,감소료소수채양입자적수목,강저료산법복잡도.실험결과표명:해산법유효극복료입자빈핍화의몽특잡락려파계산복잡도고적문제,차재비선성계통상태고계정도이급목표근종적준학성상요우우입자려파화의몽특잡락려파등현유산법.