《基于Gauss-Hermite逼近的非线性加权观测融合无迹Kalman滤波器》PDF+DOC
作者:李云,孙书利,郝钢
单位:中国自动化学会;中国科学院自动化所
出版:《自动化学报》2019年第03期
页数:11页 (PDF与DOC格式可能不同)
PDF编号:PDFMOTO2019030130
DOC编号:DOCMOTO2019030139
下载格式:PDF + Word/doc 文字可复制、可编辑
《非线性加权观测融合粒子滤波器》PDF+DOC2019年第02期 李云,孙书利,郝钢
《加权观测融合非线性无迹卡尔曼滤波算法》PDF+DOC2011年第06期 郝钢,叶秀芬,陈亭
《带未知衰减观测率多传感器系统的自校正加权观测融合估计》PDF+DOC 史腾飞,孙书利
《多传感器系统的信息融合及容错技术研究》PDF+DOC1996年第06期 房建成,万德钧
《多传感器数据的准分层融合法》PDF+DOC1995年第05期 孙红岩,毛士艺
《联合卡尔曼滤波器在多传感器系统的信息融合及容错中的应用》PDF+DOC2002年第02期 周祥龙,赵景波,常慧
《基于模糊综合函数的航迹关联算法》PDF+DOC1999年第01期 何友,陆大,彭应宁,王国宏
《多传感器量测融合算法的性能比较》PDF+DOC2003年第06期 余安喜,胡卫东,周文辉
《多传感器系统量化管理研究》PDF+DOC2001年第10期 杨秀珍,鞠传文,邱智,潘泉
《带有信息反馈的最优异步递推航迹融合算法》PDF+DOC2009年第09期 文成林,葛泉波,刘双剑
对非线性多传感器系统,基于Gauss-Hermite逼近方法和加权最小二乘法,提出了一种具有普适性的非线性加权观测融合算法.该算法可将一个高维观测压缩为一个低维观测.在此基础上,结合无迹Kalman滤波器(Unscented Kalman filter, UKF),提出了非线性加权观测融合无迹Kalman滤波器(WMF (Weighted measurement fusion)-UKF).与集中式融合UKF (CMF (Centralized measurement fusion)-UKF)相比,该算法计算负担小且具有逼近的估计精度.特别是在传感器数量较大时,该算法在计算量上的优势更加明显.仿真例子验证了算法的有效性。
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。