当前位置: 首页 » 资料 » 健康论文 » 基于RUKF-IMM的非线性系统滤波

基于RUKF-IMM的非线性系统滤波

放大字体  缩小字体 更新日期:2018-11-26  浏览次数:9
摘 要:从交互式多模型估计(IMM)方法的特点出发,提出用IMM估计方法对有测量数据丢失的非线性系统进行估计.IMM模型集中包含两个模型:一个模型对应测量数据丢失情况,另一个对应测量数据未丢失.最终基于两个模
  • 【题 名】基于RUKF-IMM的非线性系统滤波
  • 【作 者】刘妹琴 汤晓芳 郑世友 张森林
  • 【机 构】浙江大学电气工程学院 浙江杭州310027 中航工业雷达与电子设备研究院 江苏无锡214063
  • 【刊 名】《华中科技大学学报:自然科学版》2013年 第5期 57-63页 共7页
  • 【关键词】非线性系统 混合估计 交互式多模型估计(IMM) 随机无迹卡尔曼滤波(RUKF) 测量丢失
  • 【文 摘】从交互式多模型估计(IMM)方法的特点出发,提出用IMM估计方法对有测量数据丢失的非线性系统进行估计.IMM模型集中包含两个模型:一个模型对应测量数据丢失情况,另一个对应测量数据未丢失.最终基于两个模型的估计进行融合得到估计结果,改善估计器在测量信息丢失情况下的稳定性.采用随机无迹卡尔曼滤波(RUKF)方法对每个模型分别进行滤波,消除标准无迹卡尔曼滤波(UKF)方法的系统误差.仿真结果表明:在测量信息丢失的情况下,提出的估计方法在稳定性与估计性能上都优于传统的基于单模型的非线性系统混合估计方法.
 
本文导航:
  • (1) 非线性系统,混合估计,交互式多模型估计(IMM),随机无迹卡尔曼滤波(RUKF),测量丢失
  • 下一篇:鳖甲
  • 上一篇:暂无
 
[ 资料搜索 ]  [ 加入收藏 ]  [ 告诉好友 ]  [ 打印本文 ]  [ 关闭窗口 ]

 

 
推荐图文
推荐资料
热门关注