利用Kalman filter和Unscented filter對(duì)墜落物進(jìn)行估測(cè),證明后者算法優(yōu)于前者
標(biāo)簽： filter Unscented Kalman 算法
上傳時(shí)間： 2016-10-30
上傳用戶：anng
使用Unscented Kalman Filter進(jìn)行SLAM，主要用于機(jī)器人定位和地圖自動(dòng)繪制，UKF的效果要優(yōu)于EKF，當(dāng)然計(jì)算量也大些。
標(biāo)簽： Unscented Kalman Filter SLAM
上傳時(shí)間： 2014-01-13
上傳用戶：tfyt
neural network trained with Unscented kalman filter
標(biāo)簽： Unscented network trained neural
上傳時(shí)間： 2013-12-11
上傳用戶：colinal
Unscented kalman filter
標(biāo)簽： Unscented kalman filter
上傳時(shí)間： 2013-12-31
上傳用戶：talenthn
Unscented kalman filter for optimization
標(biāo)簽： optimization Unscented kalman filter
上傳時(shí)間： 2014-01-15
上傳用戶：gmh1314
通用的Unscented 卡爾曼濾波器是現(xiàn)在應(yīng)用最廣泛的非線性卡爾曼濾波器 又叫做sp 卡爾曼濾波器
標(biāo)簽： Unscented 卡爾曼濾波器 非線性
上傳時(shí)間： 2014-01-25
上傳用戶：WMC_geophy
針對(duì)多目標(biāo)情況下雷達(dá)組網(wǎng)的誤差配準(zhǔn)問題，提出了一種基于不敏卡爾曼濾波（Unscented Kalman Filter，UKF）和最優(yōu)壓縮的系統(tǒng)偏差穩(wěn)健估計(jì)方法。該算法將目標(biāo)的運(yùn)動(dòng)狀態(tài)和傳感器系統(tǒng)偏差組合在同一狀態(tài)方程中，構(gòu)建擴(kuò)維的系統(tǒng)偏差動(dòng)態(tài)方程，接著采用UKF的方法對(duì)目標(biāo)狀態(tài)和系統(tǒng)偏差進(jìn)行聯(lián)合估計(jì)。然后通過對(duì)多個(gè)估計(jì)結(jié)果的進(jìn)一步融合，最終得到較高精度的系統(tǒng)偏差估計(jì)。仿真結(jié)果表明，該算法可以有效地實(shí)現(xiàn)多目標(biāo)情況下的誤差配準(zhǔn)。
標(biāo)簽： UKF 組網(wǎng) 方法研究 雷達(dá)
上傳時(shí)間： 2013-11-24
上傳用戶：guojin_0704
工學(xué)博士學(xué)位論文 目前，擴(kuò)展卡爾曼濾波是研究初始對(duì)準(zhǔn)和慣性/GPS組合導(dǎo)航問題的一個(gè)主要手段。 但初始對(duì)準(zhǔn)和慣性/GPS組合導(dǎo)航問題本質(zhì)上是非線性的，對(duì)模型進(jìn)行線性化的擴(kuò)展卡 爾曼濾波在一定程度上影響了系統(tǒng)的性能。近年來，直接使用非線性模型的 UKF(Unscented Kalman Filtering, UKF)和粒子濾波，正在逐漸成為研究非線性估計(jì)問題 的熱點(diǎn)和有效方法。 本文研究了UKF和粒子濾波兩種非線性濾波方法，并將其應(yīng)用于非線性靜基座對(duì) 準(zhǔn)和慣性/GPS組合導(dǎo)航，系統(tǒng)地研究了初始對(duì)準(zhǔn)和慣性/GPS組合導(dǎo)航中各種非線性項(xiàng)
標(biāo)簽： 論文
上傳時(shí)間： 2015-07-11
上傳用戶：450976175
％ PURPOSE : Demonstrate the differences between the following filters on the same problem: ％ ％ 1) Extended Kalman Filter (EKF) ％ 2) Unscented Kalman Filter (UKF) ％ 3) Particle Filter (PF) ％ 4) PF with EKF proposal (PFEKF) ％ 5) PF with UKF proposal (PFUKF)
標(biāo)簽： the Demonstrate differences following
上傳時(shí)間： 2016-01-07
上傳用戶：yiwen213
粒子濾波算法受到許多領(lǐng)域的研究人員的重視，該算法的主要思想是使用一個(gè)帶有權(quán)值的粒子集合來表示系統(tǒng)的后驗(yàn)概率密度。在擴(kuò)展卡爾曼濾波和Unscented卡爾曼濾波算法的基礎(chǔ)上，本文提出一種新型粒子濾波算法。首先用Unscented卡爾曼濾波器產(chǎn)生系統(tǒng)的狀態(tài)估計(jì)，然后用擴(kuò)展卡爾曼濾波器重復(fù)這一過程并產(chǎn)生系統(tǒng)在k時(shí)刻的最終狀態(tài)估計(jì)。在實(shí)驗(yàn)中，針對(duì)非線性程度不同的兩種系統(tǒng)，分別采用五種粒子濾波算法進(jìn)行實(shí)驗(yàn)。結(jié)果證明，本文所提出算法的各方面性能都明顯優(yōu)于其他四種粒子濾波算法。
上傳時(shí)間： 2013-12-24
上傳用戶：hzy5825468
蟲蟲下載站版權(quán)所有 京ICP備2021023401號(hào)-1
