《基于贝叶斯估计的加权最小二乘分布式融合》PDF+DOC
作者:徐苏,杨红
单位:西安机电信息研究所;机电工程与控制国家级重点实验室;中国兵工学会
出版:《探测与控制学报》2011年第06期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFXDYX2011060110
DOC编号:DOCXDYX2011060119
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于Bayes估计的离散Kalman滤波相关观测融合》PDF+DOC2015年第06期 杨红,彭军,钱志龙,许百如
《非线性离散系统的相关观测融合时变Kalman滤波》PDF+DOC2010年第05期 杨红,罗飞,李艳,许玉格
《基于改进强跟踪滤波的广义系统传感器故障诊断及隔离》PDF+DOC2018年第04期 梁天添,王茂
《多传感器组合导航系统的多尺度分布式滤波算法》PDF+DOC2012年第07期 林雪原,刘磊
《一种面向多无人机协同感知的分布式融合估计方法》PDF+DOC2010年第06期 王林,王楠,朱华勇,沈林成
《UKF在空中多平台多传感器数据配准中的应用》PDF+DOC2017年第06期 高晓利
《基于垂直约束的深海拖曳系统USBL/DVL组合导航算法》PDF+DOC2019年第05期 王振杰,刘慧敏,杨慧良,贺凯飞,单瑞
《粒子滤波在雷达方位配准中的应用》PDF+DOC2009年第03期 丁小,肖兵,金宏斌
《基于坐标转换的卡尔曼交互式多模型滤波算法》PDF+DOC2007年第05期 张保山,徐国亮,吴一全
《一种基于无线视觉传感器网络的分布式多目标跟踪滤波算法》PDF+DOC2014年第10期 涂蓝
针对不同观测矩阵加权最小二乘算法没有考虑到模型参数本身信息的共同缺点,提出基于贝叶斯估计的带不同观测矩阵的加权最小二乘分布式(Bayes Estimation Weighted Least Square,BEWLS)融合Kalman滤波算法。该方法首先采用推广的离散卡尔曼滤波对非线性系统线性化,然后在考虑模型参数本身的先验信息条件下,采用基于贝叶斯(Bayes)估计方法对Kalman滤波算法的观测方程进行加权最小二乘融合。BEWLS融合算法减少了计算负担,提高了融合精度,便于实时应用。理论和仿真证明:BEWLS融合具有优越性。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。