检索结果-维普期刊中文期刊服务平台

多传感器加权观测融合自适应UKF滤波器被引量：2: 1; 作者郝钢叶秀芬《宇航学报》 EI CAS CSCD 北大核心 2011年第6期1400-1408,共9页; 对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法。该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性。进而利用Sage-Husa估计算法得... 展开更多; 关键词自适应滤波 Unscented卡尔曼滤波器加权观测融合; 在线阅读下载PDF 职称材料

多传感器协同辨识自校正加权观测融合Kalman滤波器被引量：3: 2; 作者叶秀芬郝钢《宇航学报》 EI CAS CSCD 北大核心 2010年第3期918-924,共7页; 对于带未知噪声统计的多传感器系统,利用最小二乘法将观测方程统一处理,形成新的跟踪系统,处理后的观测结果之差可以产生多组新的白噪声序列,利用各组白噪声的相关函数阵解矩阵方程组,可解得各传感器观测噪声方差Ri。通过状态方程和观... 展开更多; 关键词噪声统计估计辨识 KALMAN滤波加权观测融合; 在线阅读下载PDF 职称材料

带未知观测丢失率的自校正加权观测融合估计被引量：4: 3; 作者史腾飞段广全孙书利《黑龙江大学工程学报》 2017年第3期71-75,共5页; 对于带未知丢失观测率的离散线性随机系统,应用伯努利随机变量来描述观测丢失现象。采用相关函数法辨识丢失观测率。应用加权最小二乘法(WLS)把高维的观测向量进行压缩得到加权观测融合方程。将实时辨识的观测丢失率代入最优加权观测融... 展开更多; 关键词丢失观测率自校正 KALMAN滤波器加权观测融合; 在线阅读下载PDF 职称材料

带相关噪声的观测融合稳态Kalman滤波算法及其全局最优性被引量：5: 4; 作者邓自立顾磊冉陈键《电子与信息学报》 EI CSCD 北大核心 2009年第3期556-560,共5页; 对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(WLS)法提出了一种加权观测融合稳态Kalman滤波算法,可处理状态、白噪声和信号融合滤波、平滑、预报问题。基于稳态信息滤波器证明... 展开更多; 关键词多传感器信息融合加权观测融合相关噪声稳态Kalman滤波渐近全局最优性; 在线阅读下载PDF 职称材料

题名多传感器加权观测融合自适应UKF滤波器被引量：2: 1; 作者郝钢叶秀芬; 机构哈尔滨工程大学黑龙江大学; 出处《宇航学报》 EI CAS CSCD 北大核心 2011年第6期1400-1408,共9页; 基金教育部科学技术研究重点项目(209038) 黑龙江省自然科学基金(F201015); 文摘对于带有相同观测方程和未知噪声统计的非线性多传感器系统,提出了一种基于Sage-Husa估计的自适应UKF滤波算法。该算法利用导出的平稳随机序列的相关函数估计系统观测噪声方差统计R(j),并证明了其收敛性。进而利用Sage-Husa估计算法得到自适应UKF滤波算法。该方法避免了传统Sage和Husa的自适应滤波算法不能处理Q和R均未知的系统的局限性。为了将多传感器信息加以充分利用,提高滤波精度,本文利用加权最小二乘法(WLS),实现了多传感器加权观测融合自适应UKF滤波器。一个带3传感器非线性系统的仿真例子说明了该算法的有效性。; 关键词自适应滤波 Unscented卡尔曼滤波器加权观测融合; Keywords Adaptive filtering Unscented Kalman filter Weighted measurement fusion; 分类号 O211.64 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名多传感器协同辨识自校正加权观测融合Kalman滤波器被引量：3: 2; 作者叶秀芬郝钢; 机构哈尔滨工程大学黑龙江大学; 出处《宇航学报》 EI CAS CSCD 北大核心 2010年第3期918-924,共7页; 文摘对于带未知噪声统计的多传感器系统,利用最小二乘法将观测方程统一处理,形成新的跟踪系统,处理后的观测结果之差可以产生多组新的白噪声序列,利用各组白噪声的相关函数阵解矩阵方程组,可解得各传感器观测噪声方差Ri。通过状态方程和观测方程以及观测噪声估值,利用相关函数,可求得ΓQwΓT的估计,进而得到自校正加权观测融合Kalman滤波器。一个带有3传感器目标跟踪系统的仿真例子说明了其收敛速度快,估计精确等特点。; 关键词噪声统计估计辨识 KALMAN滤波加权观测融合; Keywords Noise statistics estimation Identification Kalman filter Weighted measurement fusion; 分类号 O211.64 [理学—概率论与数理统计]; 在线阅读下载PDF 职称材料

题名带未知观测丢失率的自校正加权观测融合估计被引量：4: 3; 作者史腾飞段广全孙书利; 机构黑龙江大学电子工程学院; 出处《黑龙江大学工程学报》 2017年第3期71-75,共5页; 基金国家自然科学基金资助项目(61573132); 文摘对于带未知丢失观测率的离散线性随机系统,应用伯努利随机变量来描述观测丢失现象。采用相关函数法辨识丢失观测率。应用加权最小二乘法(WLS)把高维的观测向量进行压缩得到加权观测融合方程。将实时辨识的观测丢失率代入最优加权观测融合滤波器中得到自校正加权观测融合滤波算法。所获得的自校正加权观测融合滤波器收敛于最优融合滤波器。仿真例子验证了算法的有效性。; 关键词丢失观测率自校正 KALMAN滤波器加权观测融合; Keywords missing measurement rate self-tuning Kalman filter weighted measurement fusion; 分类号 TP274.2 [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

题名带相关噪声的观测融合稳态Kalman滤波算法及其全局最优性被引量：5: 4; 作者邓自立顾磊冉陈键; 机构黑龙江大学自动化系; 出处《电子与信息学报》 EI CSCD 北大核心 2009年第3期556-560,共5页; 基金国家自然科学基金(60374026) 黑龙江大学自动控制重点实验室(F04-01)资助课题; 文摘对于带相关的输入白噪声和观测白噪声及相关观测白噪声的多传感器线性离散定常随机系统,用加权最小二乘(WLS)法提出了一种加权观测融合稳态Kalman滤波算法,可处理状态、白噪声和信号融合滤波、平滑、预报问题。基于稳态信息滤波器证明了它完全功能等价于集中式观测融合稳态Kalman滤波算法,因而它具有渐近全局最优性,且可减少计算负担。一个跟踪系统仿真例子验证了它的功能等价性。; 关键词多传感器信息融合加权观测融合相关噪声稳态Kalman滤波渐近全局最优性; Keywords Multisensor information fusion Weighted filtering Asymptotic global optimality measurement fusion Correlated noises Steady-state Kalman; 分类号 TP391 [自动化与计算机技术—计算机应用技术]; 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	多传感器加权观测融合自适应UKF滤波器	郝钢叶秀芬	《宇航学报》 EI CAS CSCD 北大核心	2011	2	在线阅读下载PDF 职称材料
2	多传感器协同辨识自校正加权观测融合Kalman滤波器	叶秀芬郝钢	《宇航学报》 EI CAS CSCD 北大核心	2010	3	在线阅读下载PDF 职称材料
3	带未知观测丢失率的自校正加权观测融合估计	史腾飞段广全孙书利	《黑龙江大学工程学报》	2017	4	在线阅读下载PDF 职称材料
4	带相关噪声的观测融合稳态Kalman滤波算法及其全局最优性	邓自立顾磊冉陈键	《电子与信息学报》 EI CSCD 北大核心	2009	5	在线阅读下载PDF 职称材料