期刊导航
期刊开放获取
上海教育软件发展有限公..
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
2
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式：
文摘
详细
列表
相关度排序
被引量排序
时效性排序
基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法
被引量：
2
1
作者
李帅永
谢现乐
+2 位作者
毛文平
杨雪梅
聂嘉炜
《电子与信息学报》
EI
CSCD
北大核心
2023年第3期1006-1014,共9页
为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题,该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF SLAM)。该算法采用逆Wishart分布对一步预测误差协...
为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题,该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF SLAM)。该算法采用逆Wishart分布对一步预测误差协方差矩阵P_(k|k–1)和观测噪声协方差矩阵R_(k)建模,分别用来降低系统噪声和观测噪声的影响,并利用变分贝叶斯滤波实现对移动机器人状态向量X_(k),P_(k|k–1)和R_(k)的联合估计。分别在系统噪声和观测噪声时变和时不变的条件下进行仿真实验,结果表明与基于无迹卡尔曼滤波的SLAM算法(UKF SLAM)、自适应更新观测噪声的容积卡尔曼滤波的SLAM算法(VB-ACKF SLAM)相比,所提DSACKF SLAM算法在噪声时变时,平均位置误差分别减小1.54 m,3.47 m;噪声时不变时,平均位置误差分别减小0.62 m,1.41 m,证明DSACKF SLAM算法有更好的估计性能。
展开更多
关键词
同
步
定位与建图
容积卡尔曼滤波
变分贝叶斯
一步预测误差协方差矩阵
观测噪声
协方差
矩阵
在线阅读
下载PDF
职称材料
一类基于噪声协方差自适应的强跟踪滤波方法
2
作者
王远亮
李云育
+2 位作者
王亚飞
葛泉波
李宏
《指挥与控制学报》
2025年第1期49-60,共12页
强跟踪滤波是一种能有效应对状态突变和模型不精准系统的自适应估计方法。传统强跟踪滤波是利用渐消因子来调整预测估计误差协方差公式的状态转移矩阵相关部分,导致对滤波模型修正和模型参数估计的可解释性较弱,估计性能也有待于进一步...
强跟踪滤波是一种能有效应对状态突变和模型不精准系统的自适应估计方法。传统强跟踪滤波是利用渐消因子来调整预测估计误差协方差公式的状态转移矩阵相关部分,导致对滤波模型修正和模型参数估计的可解释性较弱,估计性能也有待于进一步改进。针对上述问题,在现有强跟踪渐消因子调整效果等价于调节过程噪声协方差的深度分析基础上,提出直接将渐消因子用来自适应动态调整预测估计误差协方差计算公式中过程噪声方差部分的强跟踪滤波思想,并给出了两种能有效保证协方差矩阵对称性的多重次优渐消因子计算方法。与传统的强跟踪滤波方法相比,新方法在现有滤波框架下直接实现了对系统模型参数的实时动态反馈修正,不仅避免因非对称而导致的滤波发散现象,同时具有非常清晰的原理和效果可解释性。实验结果表明,新方法具有跟踪估计性能上的明显改进。
展开更多
关键词
强跟踪滤波
预测
误差
协方差
系统模型修正
渐消因子
矩阵
迹
在线阅读
下载PDF
职称材料
题名
基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法
被引量：
2
1
作者
李帅永
谢现乐
毛文平
杨雪梅
聂嘉炜
机构
重庆邮电大学工业物联网与网络化控制教育部重点实验室
出处
《电子与信息学报》
EI
CSCD
北大核心
2023年第3期1006-1014,共9页
基金
国家自然科学基金(61703066)
重庆市基础研究与前沿探索项目(cstc2018jcyjAX0536)
重庆市技术创新与应用发展专项(cstc2018jszx-cyztzxX0028,cstc2019jscx-fxydX0042,cstc2019jscx-zdztzxX0053)。
文摘
为解决移动机器人在同步定位与建图(SLAM)中因系统噪声和观测噪声时变导致状态估计精度降低的问题,该文提出一种基于变分贝叶斯的双尺度自适应时变噪声容积卡尔曼滤波SLAM算法(DSACKF SLAM)。该算法采用逆Wishart分布对一步预测误差协方差矩阵P_(k|k–1)和观测噪声协方差矩阵R_(k)建模,分别用来降低系统噪声和观测噪声的影响,并利用变分贝叶斯滤波实现对移动机器人状态向量X_(k),P_(k|k–1)和R_(k)的联合估计。分别在系统噪声和观测噪声时变和时不变的条件下进行仿真实验,结果表明与基于无迹卡尔曼滤波的SLAM算法(UKF SLAM)、自适应更新观测噪声的容积卡尔曼滤波的SLAM算法(VB-ACKF SLAM)相比,所提DSACKF SLAM算法在噪声时变时,平均位置误差分别减小1.54 m,3.47 m;噪声时不变时,平均位置误差分别减小0.62 m,1.41 m,证明DSACKF SLAM算法有更好的估计性能。
关键词
同
步
定位与建图
容积卡尔曼滤波
变分贝叶斯
一步预测误差协方差矩阵
观测噪声
协方差
矩阵
Keywords
Simultaneous Localization And Mapping(SLAM)
Cubature Kalman Filter(CKF)
Variational Bayes
One-step prediction error covariance matrix
Observed noise covariance matrix
分类号
TN713 [电子电信—电路与系统]
TP242 [自动化与计算机技术—检测技术与自动化装置]
在线阅读
下载PDF
职称材料
题名
一类基于噪声协方差自适应的强跟踪滤波方法
2
作者
王远亮
李云育
王亚飞
葛泉波
李宏
机构
上海海事大学物流工程学院
出处
《指挥与控制学报》
2025年第1期49-60,共12页
基金
国家自然科学基金(61773147,62033010)
中国航空科学基金(2019460T5001)资助。
文摘
强跟踪滤波是一种能有效应对状态突变和模型不精准系统的自适应估计方法。传统强跟踪滤波是利用渐消因子来调整预测估计误差协方差公式的状态转移矩阵相关部分,导致对滤波模型修正和模型参数估计的可解释性较弱,估计性能也有待于进一步改进。针对上述问题,在现有强跟踪渐消因子调整效果等价于调节过程噪声协方差的深度分析基础上,提出直接将渐消因子用来自适应动态调整预测估计误差协方差计算公式中过程噪声方差部分的强跟踪滤波思想,并给出了两种能有效保证协方差矩阵对称性的多重次优渐消因子计算方法。与传统的强跟踪滤波方法相比,新方法在现有滤波框架下直接实现了对系统模型参数的实时动态反馈修正,不仅避免因非对称而导致的滤波发散现象,同时具有非常清晰的原理和效果可解释性。实验结果表明,新方法具有跟踪估计性能上的明显改进。
关键词
强跟踪滤波
预测
误差
协方差
系统模型修正
渐消因子
矩阵
迹
Keywords
strong tracking filtering
prediction error covariance
system model correction
fading factors
matrix trace
分类号
TP273 [自动化与计算机技术]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
基于变分贝叶斯双尺度自适应时变噪声容积卡尔曼滤波的同步定位与建图算法
李帅永
谢现乐
毛文平
杨雪梅
聂嘉炜
《电子与信息学报》
EI
CSCD
北大核心
2023
2
在线阅读
下载PDF
职称材料
2
一类基于噪声协方差自适应的强跟踪滤波方法
王远亮
李云育
王亚飞
葛泉波
李宏
《指挥与控制学报》
2025
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部
