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
无人机非线性状态估计:扩展精确高斯变分推理学习方法
1
作者
刘久富
Elishahidi S.B.Mvungi
+3 位作者
汪恒宇
解晖
刘向武
王志胜
《国防科技大学学报》
北大核心
2025年第3期141-150,共10页
针对在对时变非线性系统进行状态估计以及参数学习时估计误差大、抗干扰能力差等问题,提出一种面向非线性系统的精确稀疏高斯变分推理的批量状态估计与参数学习方法。基于高斯变分推理提出损失函数,状态估计问题转化为对真实后验近似问...
针对在对时变非线性系统进行状态估计以及参数学习时估计误差大、抗干扰能力差等问题,提出一种面向非线性系统的精确稀疏高斯变分推理的批量状态估计与参数学习方法。基于高斯变分推理提出损失函数,状态估计问题转化为对真实后验近似问题,并引入需要学习的参数。对状态概率分布的参数使用高斯-牛顿式优化器的方法进行迭代更新,利用Stein引理、协方差矩阵的稀疏性及高斯容积方法得到完整的状态估计迭代方案。使用期望最大化学习测量模型的噪声参数,同时引入逆Wishart先验减少测量噪声和离群值对参数学习以及状态估计结果的影响。通过对无人机仿真模型进行模拟实验,在不加入无人机运动以及测量噪声真实值的情况下,对无人机轨迹能够进行精确的估计,且有效抑制测量噪声和测量离群值对轨迹估计精度带来的影响。
展开更多
关键词
精确稀疏高斯变分推理
非线性系统
批量状态估计
参数学习
期望最大化方法
轨迹
估计
在线阅读
下载PDF
职称材料
精确稀疏高斯变分推理非线性状态估计方法的研究
2
作者
方党生
汪恒宇
刘久富
《控制工程》
CSCD
北大核心
2024年第12期2274-2283,共10页
针对非线性系统的状态估计中对模型进行线性近似使得估计结果误差较大,进行批量状态估计时运算量过大以及运算效率低等问题,提出精确稀疏高斯变分推理(exactly sparse Gaussian variational inference,ESGVI)方法。首先,提出基于高斯变...
针对非线性系统的状态估计中对模型进行线性近似使得估计结果误差较大,进行批量状态估计时运算量过大以及运算效率低等问题,提出精确稀疏高斯变分推理(exactly sparse Gaussian variational inference,ESGVI)方法。首先,提出基于高斯变分推理的损失函数,将状态估计问题转化为利用数据对后验进行近似的问题。对提取的损失函数、均值以及协方差矩阵使用梯度下降法进行迭代更新。然后,利用逆协方差矩阵的稀疏性对所求期望进行边缘采样,以达到避免求导、简化计算的目的,再通过多维高斯求积得到完整的优化迭代方案。其次,利用所得的优化迭代方案对非线性系统进行批量状态估计。最后,采用无人机仿真模型实验验证了所提方法的有效性与精确性,同时将所提方法与最大后验估计(maximum a posteriori,MAP)方法相比,结果表明,所提方法能够明显降低状态估计误差,提高轨迹估计的精确性。
展开更多
关键词
精确稀疏高斯变分推理
参数学习
批量状态估计
非线性系统
无人机轨迹
估计
在线阅读
下载PDF
职称材料
题名
无人机非线性状态估计:扩展精确高斯变分推理学习方法
1
作者
刘久富
Elishahidi S.B.Mvungi
汪恒宇
解晖
刘向武
王志胜
机构
南京航空航天大学自动化学院
出处
《国防科技大学学报》
北大核心
2025年第3期141-150,共10页
基金
国家自然科学基金资助项目(61473144)。
文摘
针对在对时变非线性系统进行状态估计以及参数学习时估计误差大、抗干扰能力差等问题,提出一种面向非线性系统的精确稀疏高斯变分推理的批量状态估计与参数学习方法。基于高斯变分推理提出损失函数,状态估计问题转化为对真实后验近似问题,并引入需要学习的参数。对状态概率分布的参数使用高斯-牛顿式优化器的方法进行迭代更新,利用Stein引理、协方差矩阵的稀疏性及高斯容积方法得到完整的状态估计迭代方案。使用期望最大化学习测量模型的噪声参数,同时引入逆Wishart先验减少测量噪声和离群值对参数学习以及状态估计结果的影响。通过对无人机仿真模型进行模拟实验,在不加入无人机运动以及测量噪声真实值的情况下,对无人机轨迹能够进行精确的估计,且有效抑制测量噪声和测量离群值对轨迹估计精度带来的影响。
关键词
精确稀疏高斯变分推理
非线性系统
批量状态估计
参数学习
期望最大化方法
轨迹
估计
Keywords
exactly sparse Gaussian variational inference
batch state estimation for nonlinear systems
parameter learning
expectation maximization method
trajectory estimation
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
在线阅读
下载PDF
职称材料
题名
精确稀疏高斯变分推理非线性状态估计方法的研究
2
作者
方党生
汪恒宇
刘久富
机构
河南信息统计职业学院信息工程系
南京航空航天大学自动化学院
出处
《控制工程》
CSCD
北大核心
2024年第12期2274-2283,共10页
基金
国家自然科学基金资助项目(61473144)。
文摘
针对非线性系统的状态估计中对模型进行线性近似使得估计结果误差较大,进行批量状态估计时运算量过大以及运算效率低等问题,提出精确稀疏高斯变分推理(exactly sparse Gaussian variational inference,ESGVI)方法。首先,提出基于高斯变分推理的损失函数,将状态估计问题转化为利用数据对后验进行近似的问题。对提取的损失函数、均值以及协方差矩阵使用梯度下降法进行迭代更新。然后,利用逆协方差矩阵的稀疏性对所求期望进行边缘采样,以达到避免求导、简化计算的目的,再通过多维高斯求积得到完整的优化迭代方案。其次,利用所得的优化迭代方案对非线性系统进行批量状态估计。最后,采用无人机仿真模型实验验证了所提方法的有效性与精确性,同时将所提方法与最大后验估计(maximum a posteriori,MAP)方法相比,结果表明,所提方法能够明显降低状态估计误差,提高轨迹估计的精确性。
关键词
精确稀疏高斯变分推理
参数学习
批量状态估计
非线性系统
无人机轨迹
估计
Keywords
Exactly sparse Gaussian variational inference
parameter learning
batch state estimation
nonlinear system
UAV trajectory estimation
分类号
TP181 [自动化与计算机技术—控制理论与控制工程]
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
无人机非线性状态估计:扩展精确高斯变分推理学习方法
刘久富
Elishahidi S.B.Mvungi
汪恒宇
解晖
刘向武
王志胜
《国防科技大学学报》
北大核心
2025
0
在线阅读
下载PDF
职称材料
2
精确稀疏高斯变分推理非线性状态估计方法的研究
方党生
汪恒宇
刘久富
《控制工程》
CSCD
北大核心
2024
0
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
