共查询到10条相似文献,搜索用时 15 毫秒
1.
应用现代时间序列分析方法,基于ARMA新息模型,提出了稳态Kalman滤波器增
益的两种简单的新算法,并证明了它们的等价性.应用ARMA新息模型参数的递推辨识器
伴随新算法,可实现自校正Kalman滤波器.仿真例子说明了其有效性. 相似文献
2.
对于带未知噪声统计的单输出系统,本文提出了一种新的自适应Kalman滤波器.应用
现代时间序列分析方法,基于ARMA新息模型的滑动平均(MA)参数的在线辨识,提出了
稳态最优Kalman滤波器增益估计的一种新算法,比Mehra的算法简单.同时还提出了辨
识滑动平均(MA)模型参数的一种新的自适应Kalman滤波算法.此外,给出了在雷达跟
踪系统中的应用,且仿真结果说明了本文算法的有效性. 相似文献
3.
广义系统信息融合稳态与自校正满阶Kalman滤波器 总被引:2,自引:1,他引:1
基于线性最小方差标量加权融合算法和射影理论,对带多个传感器和带相关噪声的广义系统,提出了分布式标量加权融合稳态满阶Kalman滤波器.推得了任两个传感器子系统之间的稳态满阶滤波误差互协方差阵,其解可任选初值离线迭代计算.所提出的稳态融合滤波器避免了每时刻计算协方差阵和融合权重,减小了在线计算负担.当系统含有未知模型参数时,基于递推增广最小二乘算法和标量加权融合算法,提出了一种两段融合自校正状态滤波器.其中第1段融合获得未知参数的融合估计;第2段融合获得分布式自校正融合状态滤波器.与局部估计和加权平均融合估计相比,所提出的标量加权融合参数估计和自校正状态估计都具有更高的精度.仿真研究验证了其有效性. 相似文献
4.
随机控制系统稳态Kalman滤波器新算法 总被引:3,自引:0,他引:3
应用现代时间序列分析方法,基于受控的自回归滑动平均(CARMA)新息模型,提
出了随机控制系统稳态Kalman滤波器增益的两种新算法,避免了求解Riccati方程.为保证
滤波器的渐近稳定性,给出了选择滤波初值的两个公式.仿真例子说明了新算法的有效性. 相似文献
5.
6.
7.
本文给出了一种用于双线性时间序列模型参数估计的自适应Kalman滤波器,在滤波过程中对误差协方差阵进行监控,使Kalman增益矩阵不趋于零,以保证观测数据对滤波的校正作用,并通过仿真例子将它和递推预报误差估计方法进行了比较。 相似文献
8.
针对带相关观测噪声和带不同观测函数的多传感器离散非线性系统,利用推广的离散Kalman滤波方法对状态系统和观测系统进行线性化处理,提出了基于岭估计的加权最小二乘(REWLS)分布式融合Kalman滤波算法.以风险函数为评价指标,利用信息滤波器比较了各种观测融合Kalman滤波算法,其中REWLS分布式融合算法精度最高.同时,分布式融合算法减少了计算负担,便于实时应用.仿真例子表明了理论分析的正确性. 相似文献
9.
10.
对于带未知噪声统计的机动目标跟踪系统,本文提出了一种新的自校正跟踪方案,它由一个简单的自校正α-β-γ滤渡器、机动输入判决器和带输入估计的自校正α-β-γ滤波器组成,当判决机动加速度输入出现时,则简单的自校正α-β-γ滤波器立即被用带输入估计的自校正α-β-γ滤波器代替,以保证跟踪滤波器的精度,仿真结果说明了新方案的有效性。 相似文献