-
题名高斯-厄米特粒子滤波器
被引量：77
- 1
-
-
作者
袁泽剑
郑南宁
贾新春
-
机构
西安交通大学人工智能与机器人研究所
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2003年第7期970-973,共4页
-
基金
国家创新研究群体科学基金 (No 60 0 2 4 30 1 )
国家自然科学基金 (No 60 1 750 0 6)
-
文摘
针对非线性、非高斯系统状态的在线估计问题 ,本文提出一种新的基于序贯重要性抽样的粒子滤波算法 .在滤波算法中 ,我们用一簇高斯 厄米特滤波器 (GHF)来产生重要性概率密度函数 .此概率密度在系统状态的转移概率的基础上融入最新的观测数据 ,因此更接近于系统状态的后验概率 .理论分析与实验结果表明 :在观测模型具有高精度的场合或似然函数位于系统状态转移概率的尾部时 ,用GHF产生重要性概率密度函数的粒子滤波即高斯 厄米特粒子滤波 (GHPF)的性能要明显地优于标准的粒子滤波、扩展的卡尔曼滤波、GHF .
-
关键词
状态估计
粒子滤波器
高斯-厄米特滤波
序贯重要性抽样
重要性概率密度函数
-
Keywords
state estimation
particle filter
Gauss-Hermite filter
sequential importance sampling
importance density function
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名一种改进的粒子滤波算法及其性能分析
被引量：4
- 2
-
-
作者
曹洁
李伟
-
机构
兰州理工大学计算机与通信学院
-
出处
《计算机工程与应用》
CSCD
2012年第8期144-147,共4页
-
基金
甘肃省自然科技基金(No.1010RJZA046)
甘肃省教育厅硕导基金项目(No.0914ZTB003)
甘肃省财政厅项目(No.0914ZTB148)
-
文摘
针对非线性、非高斯系统状态的在线估计问题,提出了一种改进的粒子滤波算法。该算法采用Unscented卡尔曼滤波器(UKF)产生系统的状态估计,并在量测更新过程中加入衰减记忆因子,消弱滤波器对历史信息的依赖,增强当前量测信息对滤波器的修正作用,从而产生一个优选的建议分布函数,较好地抑制了粒子退化问题。理论分析和实验表明:引入记忆衰减因子的粒子滤波,即衰减记忆无味粒子滤波(MAUPF)的性能明显优于标准的粒子滤波以及Unscented粒子滤波。
-
关键词
状态估计
粒子滤波器
记忆衰减因子
重要性概率密度函数
-
Keywords
state estimation
particle filter
attenuation memory factor
important density function,~ ~ ,~ .~, ]
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
-
题名非线性交互粒子滤波算法
被引量：12
- 3
-
-
作者
吕娜
冯祖仁
-
机构
西安交通大学系统工程研究所
西安交通大学机械制造系统工程国家重点实验室
-
出处
《控制与决策》
EI
CSCD
北大核心
2007年第4期378-383,共6页
-
基金
国家自然科学基金项目(60475023)
博士点基金项目(2005698032)
-
文摘
在非线性非高斯系统状态估计问题中,后验概率密度函数的解析形式难以获得,标准粒子滤波算法采用状态转移概率函数代替后验概率作为重要性采样概率密度函数,而未考虑当前观测数据的影响.针对该问题,首先提出了非线性交互多模型算法;然后应用该算法产生重要性采样概率密度函数,设计了新的非线性交互粒子滤波器.新的概率密度函数融入最新观测数据,更接近系统状态后验概率.比较实验表明了所提出算法的有效性.
-
关键词
非线性
交互多模型
扩展卡尔曼滤波
粒子滤波
重要性采样概率密度函数
-
Keywords
Nonlinear
Interacting multiple model
Extended Kalman filter
Particle filter
Importance proposal
distribution
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-
