基于高斯似然近似的自适应球面径向积分滤波算法
CSTR:
作者:
作者单位:

1. 海军航空工程学院信息融合研究所,山东烟台264001;
2. 北京航空航天大学电子信息工程学院,北京100191.

作者简介:

刘俊

通讯作者:

中图分类号:

TP953;TN957

基金项目:

国家自然科学基金面上项目(61471383).


Adaptive spherical-radical filter based on Gaussian likelihood approximation
Author:
Affiliation:

1. Research Institute of Information Fusion,Naval Aeronautical and Astronautical University,Yantai 264001,China;
2. School of Electronic and Information Engineering,Beihang University,Beijing 100191,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对量测噪声较小的环境下传统滤波算法容易出现偏差增大的实际问题, 基于高斯近似原理, 提出一种基于高斯似然近似的球面径向积分滤波(SRGLAF) 算法. 为进一步解决量测未知环境下的状态估计问题, 充分结合CKF 等确定性采样型滤波算法和SRGLAF 的优势, 设计一种基于高斯似然近似的自适应球面径向积分滤波(ASRGLAF) 算法. 仿真结果表明: SRGLAF 能够提高量测噪声较小环境下的估计精度, 而在量测噪声未知环境中, ASRGLAF 能够有效地进行状态估计, 具有明显的滤波优势.

    Abstract:

    For the problem that traditional filtering algorithms tend to deteriorate when the measurement noise covariance is very low, a spherical-radical filter based on Gaussian likelihood approximation(SRGLAF) is proposed. To solve the state estimation problem with unknown measurement noise, an adaptive spherical-radical filter based on Gaussian likelihood approximation(ASRGLAF) is proposed. The simulation results show that the SRGLAF can improve the estimation accuracy with low measurement noise, and the ASRGLAF is effective in the scenario with unknown measurement noise.

    参考文献
    相似文献
    引证文献
引用本文

刘俊 刘瑜 徐从安 齐林 孙顺.基于高斯似然近似的自适应球面径向积分滤波算法[J].控制与决策,2016,31(6):1073-1079

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2015-05-05
  • 最后修改日期:2015-07-17
  • 录用日期:
  • 在线发布日期: 2016-06-20
  • 出版日期:
文章二维码