期刊文献+
共找到4篇文章
< 1 >
每页显示 20 50 100
基于改进概率假设密度的多目标跟踪算法 被引量:2
1
作者 王海环 王俊 《电波科学学报》 EI CSCD 北大核心 2016年第1期53-60,共8页
经典序贯蒙特卡罗概率假设密度(Sequential Mote Carlo Probability Hypothesis Density,SMC-PHD)滤波中,将目标状态转移密度函数做为建议密度函数,没有利用当前观测信息,导致大部分预测粒子状态偏离目标真实状态,粒子退化严重.针对上... 经典序贯蒙特卡罗概率假设密度(Sequential Mote Carlo Probability Hypothesis Density,SMC-PHD)滤波中,将目标状态转移密度函数做为建议密度函数,没有利用当前观测信息,导致大部分预测粒子状态偏离目标真实状态,粒子退化严重.针对上述问题,提出利用均方根容积卡尔曼滤波产生建议密度函数,对其进行采样得到预测粒子状态,该方法有严格理论基础,能有效减轻SMC-PHD滤波中的粒子退化,且适用性很强.仿真实验对比了该算法、经典SMC-PHD和基于无迹卡尔曼的SMC-PHD算法的跟踪性能,验证了该方法无论对势估计还是对目标状态估计的精度都优于其他两种算法. 展开更多
关键词 多目标跟踪 概率假设密度滤波 序贯蒙特卡罗 建议密度函数 均方根容积卡尔曼滤波
在线阅读 下载PDF
基于容积卡尔曼的粒子PHD多目标跟踪算法 被引量:2
2
作者 王海环 王俊 《系统工程与电子技术》 EI CSCD 北大核心 2015年第9期1960-1966,共7页
标准粒子概率假设密度(standard particle probability hypothesis density,SP-PHD)滤波在预测粒子状态时没有考虑最新的观测信息,因而存在估计精度较低、粒子退化严重的问题,针对上述问题,提出基于容积卡尔曼的粒子概率假设密度(cubatu... 标准粒子概率假设密度(standard particle probability hypothesis density,SP-PHD)滤波在预测粒子状态时没有考虑最新的观测信息,因而存在估计精度较低、粒子退化严重的问题,针对上述问题,提出基于容积卡尔曼的粒子概率假设密度(cubature Kalman particle probability hypothesis density,CP-PHD)滤波算法,该算法基于球面-径向容积数值积分准则,利用容积卡尔曼滤波(cubature Kalman filter,CKF)产生建议密度函数,并对其进行采样得到当前时刻的粒子状态,从而使粒子分布更接近于真实的多目标后验概率密度函数。同时,CP-PHD算法性能不受目标状态维数影响,与无迹卡尔曼粒子概率假设密度(unscented Kalman particle probability hypothesis density,UP-PHD)滤波相比,具有更强适应性和更好的跟踪性能。实验结果表明,CP-PHD算法的跟踪精度优于SP-PHD和UP-PHD。 展开更多
关键词 多目标跟踪 粒子概率假设密度滤波 容积卡尔曼滤波 建议密度函数
在线阅读 下载PDF
一种用于高保真锂电池SOC估计的无迹粒子滤波新方法 被引量:8
3
作者 谢滟馨 王顺利 +2 位作者 史卫豪 熊鑫 陈先培 《储能科学与技术》 CAS CSCD 北大核心 2021年第2期722-731,共10页
动力锂电池作为新能源汽车核心“三电”系统之一,其准确的电池建模与状态预估能确保电池管理系统安全启动及稳定运转。以三元锂电池为研究对象,构建Thevenin等效电路模型,在传统粒子滤波(PF)基础上,选择合适的建议密度函数,提出了一种... 动力锂电池作为新能源汽车核心“三电”系统之一,其准确的电池建模与状态预估能确保电池管理系统安全启动及稳定运转。以三元锂电池为研究对象,构建Thevenin等效电路模型,在传统粒子滤波(PF)基础上,选择合适的建议密度函数,提出了一种采用均值、方差更精密计算的无迹粒子滤波算法(UPF),解决粒子贫化问题,探获锂电池荷电状态(SOC)。该方法通过对理论分析的进一步完善,结合不同工况实验对锂电池工作特性研究,结果表明UPF估算锂电池SOC时,系统鲁棒性提高、跟随效果较好,且估算误差稳定控制在1.5%以内,为动力电池带来了很好的实用价值。 展开更多
关键词 三元锂电池 Thevenin模型 荷电状态 建议密度函数 无迹粒子滤波算法
在线阅读 下载PDF
容积粒子滤波算法及其应用 被引量:17
4
作者 穆静 蔡远利 张俊敏 《西安交通大学学报》 EI CAS CSCD 北大核心 2011年第8期13-17,共5页
针对使用现有粒子滤波算法对非线性/非高斯离散时间系统的状态估计精度较低的问题,提出了一种新的粒子滤波算法——容积粒子滤波(CPF)算法.新算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,产生粒子滤波算法的建议性密... 针对使用现有粒子滤波算法对非线性/非高斯离散时间系统的状态估计精度较低的问题,提出了一种新的粒子滤波算法——容积粒子滤波(CPF)算法.新算法使用容积数值积分原则直接计算非线性随机函数的均值和方差,产生粒子滤波算法的建议性密度函数,获得所需要的带权粒子,进而通过计算粒子均值,获得系统状态的最小均方误差估计.CPF算法由于产生粒子时使用了最新的测量信息,因而提高了对系统状态后验概率的逼近程度.仿真实验结果表明,CPF算法的估计误差约是标准粒子滤波算法和扩展粒子滤波算法误差的1/5和1/3,是无味粒子滤波(UPF)算法的估计误差的1/2,且运行时间只有UPF算法的1/3. 展开更多
关键词 粒子滤波 容积原则 建议密度函数
在线阅读 下载PDF
上一页 1 下一页 到第
使用帮助 返回顶部