《多传感器目标状态与动态偏差联合估计算法》PDF+DOC
作者:付莹,汤子跃,孙永健
单位:中国航天科工集团公司第十七研究所
出版:《计算机仿真》2013年第04期
页数:6页 (PDF与DOC格式可能不同)
PDF编号:PDFJSJZ2013040460
DOC编号:DOCJSJZ2013040469
下载格式:PDF + Word/doc 文字可复制、可编辑
《基于模糊熵的多传感器加权融合算法》PDF+DOC2016年第07期 王晶晶,王刚,王睿
《基于异质多传感器的网络分布数据融合的一种算法》PDF+DOC2009年第03期 刘彬,王耀康,乔建军
《基于支持向量机的多传感器数据融合算法》PDF+DOC2016年第05期 蔡世清,周杰
《无人机多传感器数据融合的设计要求》PDF+DOC2015年第05期 李念国,赵慧
《改进的多目标多传感器数据融合相关算法》PDF+DOC1994年第03期 尹晓东,刘后铭
《用小波变换的多分辨力滤波》PDF+DOC1995年第02期 洪浪
,王俊仪
《一种多传感器数据时空融合估计算法》PDF+DOC2005年第12期 郭利,马彦恒,张锡恩
《复合材料拉托力预测中标准差加权融合算法》PDF+DOC2012年第03期 李盼,杨风暴,王肖霞,樊庆英
《基于地心坐标系的多传感器动态偏差估计算法》PDF+DOC2007年第09期 李达,李少洪
《同类多传感器自适应加权估计的数据级融合算法研究》PDF+DOC2006年第04期 李战明,陈若珠,张保梅
针对多传感器系统动态偏差估计问题,在不敏粒子滤波(UPF)算法的基础上,提出了一种修正的不敏粒子滤波(Modified UPF,MUPF)算法。由于系统动态偏差引起的异常量测值时,MUPF算法利用滤波预测残差构建的调节因子控制新息协方差矩阵,进而调整滤波增益的大小;在不丢失有用新息的前提下,减小了异常量测对滤波估计结果的影响。利用上述算法与不敏卡尔曼滤波(UKF)算法和扩展卡尔曼粒子滤波(EPF)算法进行了仿真比较。结果表明,MUPF算法对系统动态距离和角度偏差估计的均方根误差(RMSE)明显小于UKF算法和EPF算法的估计结果,提高了估计精度和可靠性。显然,MUPF算法也适用于系统固定测量偏差估计和目标状态估计。
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。