检索结果-内蒙古大学图书馆

控制与决策 2016年第12期31卷 2255-2260页

作者：马天力王新民彭程李婷边琦西北工业大学自动化学院西安710129

强跟踪容积卡尔曼滤波器在对含有模型误差和时变噪声的非线性系统进行滤波时,容易出现性能降低甚至发散.鉴于此,提出一种基于变分贝叶斯的强跟踪容积卡尔曼滤波算法.该算法运用虚拟噪声法补偿模型误差,假设虚拟噪声均值非零,且满足高斯... 详细信息

强跟踪容积卡尔曼滤波器在对含有模型误差和时变噪声的非线性系统进行滤波时,容易出现性能降低甚至发散.鉴于此,提出一种基于变分贝叶斯的强跟踪容积卡尔曼滤波算法.该算法运用虚拟噪声法补偿模型误差,假设虚拟噪声均值非零,且满足高斯分布,虚拟噪声方差服从逆gamma分布,在强跟踪容积卡尔曼滤波器估计状态的同时,采用变分贝叶斯推理估计虚拟噪声参数.仿真结果表明,所提出算法对含模型误差与时变噪声的非线性系统具有较好的估计精度,相比于自适应算法具有更强的鲁棒性.

关键词：强跟踪滤波器容积卡尔曼滤波器模型误差时变噪声虚拟噪声法变分贝叶斯理论

来源：评论

学校读者我要写书评

暂无评论

带测量偏置估计的鲁棒卡尔曼滤波算法

引用

浙江大学学报（工学版） 2015年第7期49卷 1343-1349页

作者：朱光明蒋荣欣周凡田翔陈耀武浙江大学数字技术及仪器研究所浙江杭州310027 浙江省网络多媒体技术研究重点实验室浙江杭州310027

针对测量系统中同时存在未知的测量偏置和随机测量噪声的问题,提出带测量偏置估计的鲁棒卡尔曼滤波算法.该算法利用非零均值高斯分布对测量系统中的测量偏置和随机测量噪声进行建模,利用正态-逆威沙特分布拟合该高斯分布的均值和协方差... 详细信息

针对测量系统中同时存在未知的测量偏置和随机测量噪声的问题,提出带测量偏置估计的鲁棒卡尔曼滤波算法.该算法利用非零均值高斯分布对测量系统中的测量偏置和随机测量噪声进行建模,利用正态-逆威沙特分布拟合该高斯分布的均值和协方差.该算法利用变分贝叶斯方法对该高斯分布和正态-逆威沙特分布的混合模型的时变参数进行逼近推断,在利用容积卡尔曼滤波算法进行系统状态迭代估计的同时对测量偏置进行估计以及对时变随机噪声协方差进行跟踪,在进行测量偏置估计的同时增强了滤波算法对测量野值的鲁棒性.仿真实验证明了该算法在保证系统状态估计精度的同时,能够高精度估计出测量偏置并增强了滤波算法的鲁棒性.

关键词：测量偏置估计鲁棒性正态-逆威沙特分布变分贝叶斯容积卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

基于Drift-Ah积分法的CKF估算锂电池SOC

引用

控制与决策 2019年第3期34卷 535-541页

作者：刘新天李涵琪魏增福何耀曾国建合肥工业大学汽车工程技术研究院合肥230009 广东电科院能源技术有限责任公司广州510080

锂电池荷电状态(SOC)是反映电池使用情况的重要参数之一.在锂电池实际工作过程中,电流传感器测量时的漂移电流会对SOC估计精度造成很大影响.对此,提出一种加入漂移电流的Drift-Ah积分法,建立SOC的噪声组合模型,并采用容积卡尔曼滤波算法... 详细信息

锂电池荷电状态(SOC)是反映电池使用情况的重要参数之一.在锂电池实际工作过程中,电流传感器测量时的漂移电流会对SOC估计精度造成很大影响.对此,提出一种加入漂移电流的Drift-Ah积分法,建立SOC的噪声组合模型,并采用容积卡尔曼滤波算法(CKF)实现锂电池的SOC估计.最后,对锂电池进行模拟工况实验,仿真结果表明,所提出的估计算法可以有效抑制漂移电流的干扰,精度高且复杂度低.

关键词：锂电池荷电状态漂移电流 Drift-Ah积分法噪声组合模型容积卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

基于Masreliez-Martin的鲁棒分数阶容积卡尔曼滤波算法及应用

引用

系统工程与电子技术 2023年第1期45卷 234-240页

作者：穆静严东升蔡远利王长元西安工业大学计算机科学与工程学院陕西西安710021 北京航天长征飞行器研究所北京100076 西安交通大学电子与信息学部陕西西安710049

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题,提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上,使用三阶容积原则推导了状态预测公式,并使用M-M方... 详细信息

针对具有非高斯量测噪声的分数阶离散时间非线性系统的状态估计问题,提出一种基于Masreliez-Martin(简称为M-M)方法的鲁棒分数阶容积卡尔曼滤波器。在分数阶离散非线性动态系统基础上,使用三阶容积原则推导了状态预测公式,并使用M-M方法实现状态的量测更新,构成了基于M-M方法的鲁棒分数阶容积卡尔曼跟踪算法。将提出的算法应用到再入目标的状态估计中,仿真结果表明,基于M-M方法的鲁棒分数阶容积卡尔曼滤波器优于分数阶无迹滤波器和分数阶容积卡尔曼滤波器。最后,分析了不同程度的量测污染噪声对鲁棒分数阶容积卡尔曼滤波算法的估计性能影响,验证了所提算法的鲁棒性。

关键词：分数阶微积分容积卡尔曼滤波器状态估计 Masreliez-Martin方法

来源：评论

学校读者我要写书评

暂无评论

一种非线性梁系统动载荷识别算法

引用

振动工程学报 2018年第1期31卷 82-90页

作者：宋雪刚白瑜芳程竹明顾欣卢李梁大开南京航空航天大学机械结构力学及控制国家重点实验室江苏南京210016

载荷识别是结构健康监测的重要组成部分,而非线性梁系统在工程应用中扮演重要角色,为了在结构健康监测的同时方便利用最优化算法对非线性梁系统进行有效控制,提出了基于容积卡尔曼滤波器(Cubature Kalman filter,简记为CKF)的载荷识别... 详细信息

载荷识别是结构健康监测的重要组成部分,而非线性梁系统在工程应用中扮演重要角色,为了在结构健康监测的同时方便利用最优化算法对非线性梁系统进行有效控制,提出了基于容积卡尔曼滤波器(Cubature Kalman filter,简记为CKF)的载荷识别算法。此算法在卡尔曼滤波器的体系下,通过CKF产生的增益矩阵、新息序列、一步估计值和协方差矩阵,利用最小二乘算法在线估计载荷的大小和位置,附录给出了算法的详细推导过程。为了验证算法的有效性,采用受高斯白噪声影响的大变形梁系统作为仿真对象,根据系统响应依次识别不同噪声影响下的正弦、方波和锯齿波载荷。实验方面,采用受非线性弹簧约束的Bernoulli-Euler梁作为对象,利用光纤光栅传感器测得的应变值识别载荷。结果表明提出的动载荷识别算法能够很好地抑制噪声,并且具有良好的稳定性。

关键词：载荷识别非线性梁系统容积卡尔曼滤波器最小二乘算法

来源：评论

学校读者我要写书评

暂无评论

异步无线传感网络同时定位与跟踪算法

引用

华中科技大学学报（自然科学版） 2015年第8期43卷 47-51页

作者：朱光明蒋荣欣周凡陈耀武浙江大学仪器科学与工程系浙江杭州310027 浙江大学浙江省网络多媒体技术研究重点实验室浙江杭州310027

针对异步无线传感网络环境下同时节点定位和目标跟踪问题,提出了一种可以同时进行传感器节点定位和目标跟踪的算法.该算法利用增广状态向量法对目标状态和节点位置进行同时估计,并利用固定点平滑算法对目标状态进行最优估计,实现了异步... 详细信息

针对异步无线传感网络环境下同时节点定位和目标跟踪问题,提出了一种可以同时进行传感器节点定位和目标跟踪的算法.该算法利用增广状态向量法对目标状态和节点位置进行同时估计,并利用固定点平滑算法对目标状态进行最优估计,实现了异步无线传感网络环境下的目标状态的最优估计以及节点位置的估计.结合节点位置和目标状态的增广状态向量取代了传统目标跟踪算法中的状态向量,在滤波算法中被用于节点位置和目标状态的同时估计.仿真实验证明:在相同的测量次数和通信次数情况下,本算法不但能够取得更高的节点位置估计精度和目标状态估计精度,而且能够取得更多目标状态的估计结果.

关键词：异步无线传感网络节点定位跟踪算法容积卡尔曼滤波器固定点平滑器

来源：评论

学校读者我要写书评

暂无评论

具有间歇性观测的无线传感器网络分布式容错目标跟踪

引用

控制与决策 2016年第6期31卷 1032-1036页

作者：杨小军单博炜梁中华徐先峰长安大学信息工程学院西安710064 长安大学电子与控制工程学院西安710064

针对具有随机间歇性观测的无线传感器网络,基于多模型估计方法和一致性信息滤波器,提出一种对观测节点故障容错的自适应分布式目标跟踪方法.将传感器节点随机间歇性观测丢失和到达过程建模为马尔科夫切换系统,在容积信息滤波器框架下,... 详细信息

针对具有随机间歇性观测的无线传感器网络,基于多模型估计方法和一致性信息滤波器,提出一种对观测节点故障容错的自适应分布式目标跟踪方法.将传感器节点随机间歇性观测丢失和到达过程建模为马尔科夫切换系统,在容积信息滤波器框架下,估计传感器节点的观测丢失和到达的后验概率.通过观测状态概率组合计算每个局部传感器节点的信息贡献,基于自适应多模型估计方法,实现对间歇性观测的容错性.仿真结果表明了所提出算法的有效性和对间歇性观测的自适应容错性.

关键词：目标跟踪多模型估计分布式估计容积卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

闪烁噪声条件下基于交互多模框架的雷达目标跟踪算法

引用

国防科技大学学报 2023年第5期45卷 140-149页

作者：占荣辉李祖检滕书华国防科技大学电子科学学院湖南长沙410073 湖南第一师范学院电子信息学院湖南长沙410205

针对传统雷达目标跟踪算法在处理闪烁噪声时面临的性能下降问题,提出一种将容积卡尔曼估计器与交互多模框架相结合的高性能滤波算法。该算法将目标状态建模为高斯分布,将闪烁噪声建模为混合高斯分布,同时将其发生概率建模为一阶马尔可... 详细信息

针对传统雷达目标跟踪算法在处理闪烁噪声时面临的性能下降问题,提出一种将容积卡尔曼估计器与交互多模框架相结合的高性能滤波算法。该算法将目标状态建模为高斯分布,将闪烁噪声建模为混合高斯分布,同时将其发生概率建模为一阶马尔可夫过程;在此基础上,利用交互多模框架实现对不同高斯噪声分量的匹配滤波处理。为了减轻非线性观测条件对目标跟踪精度的影响,进一步采用容积卡尔曼估计器作为高斯近似滤波器,对目标状态进行递推预测和更新。仿真结果表明:所提算法较传统高斯混合滤波器和粒子滤波器具有更高的跟踪精度和更好的实时性能,同时还能对闪烁噪声出现时刻进行有效的估计。

关键词：闪烁噪声交互多模雷达目标跟踪容积卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

基于加权平均插值和容积卡尔曼滤波的配电网预测辅助状态估计

引用

电力建设 2021年第8期42卷 1-9页

作者：柴林杰蔡亦浓高铭郝运陈继开李江国网河北省电力有限公司经济技术研究院石家庄市050021 东北电力大学电气工程学院吉林省吉林市132012

微型同步相量测量单元(micro synchronous phasor measurement unit,μPMU)与远程终端(remote terminal unit,RTU)为配电网提供了高精度量测数据。针对μPMU和RTU混合数据,文章采用数据填补和容积卡尔曼滤波技术,提出了配电网混合量测... 详细信息

微型同步相量测量单元(micro synchronous phasor measurement unit,μPMU)与远程终端(remote terminal unit,RTU)为配电网提供了高精度量测数据。针对μPMU和RTU混合数据,文章采用数据填补和容积卡尔曼滤波技术,提出了配电网混合量测的预测辅助状态估计(forecasting aided state estimation,FASE)算法。首先,针对混合量测数据不同更新周期,综合考虑历史数据稳定性和线性插值的同步特性,采用平均插值实现数据的综合填补。然后,采用容积卡尔曼滤波器,构建状态预测、量测预测和滤波修正方程,提出混合数据的配电网预测辅助状态估计算法。最后,在IEEE 37节点系统验证了该算法的有效性。

关键词：状态估计微型同步相量测量单元(μPMU) 远程终端(RTU) 容积卡尔曼滤波器数据填补

来源：评论

学校读者我要写书评

暂无评论

改进的模型集自适应变结构多模型算法

引用

探测与控制学报 2012年第2期34卷 36-41页

作者：钱华明陈亮杨峻巍哈尔滨工程大学自动化学院黑龙江哈尔滨150001

针对传统固定结构的交互式多模型算法模型集无法覆盖目标的所有运动模型,提出一种改进的模型集自适应变结构多模型算法。该算法在量测信息的基础上,采用Kullback-Leiber规则对模型集中各模型与目标运动模型匹配程度进行判别,删减匹配程... 详细信息

针对传统固定结构的交互式多模型算法模型集无法覆盖目标的所有运动模型,提出一种改进的模型集自适应变结构多模型算法。该算法在量测信息的基础上,采用Kullback-Leiber规则对模型集中各模型与目标运动模型匹配程度进行判别,删减匹配程度较低的模型;同时,采用改进的期望模型算法得到一个新的匹配程度高的模型集,并对原模型集中的模型进行更新;最后再与容积卡尔曼滤波器相结合,实现非线性目标跟踪系统的变结构多模型算法。仿真结果表明:该算法在保证系统计算量没有明显增加的基础上有效地增加了算法的自适应性能和系统的鲁棒性能,更好地满足了工程应用中对算法自适应性和实时性的要求。

关键词：目标跟踪变结构多模型算法交互式多模型算法容积卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：