-
题名贝叶斯序贯重要性积分滤波器
被引量：3
- 1
-
-
作者
张宏伟
张小虎
曹勇
-
机构
中山大学航空航天学院
中国科学院空间精密测量技术重点实验室
北京东方计量测试研究所
-
出处
《电子学报》
EI
CAS
CSCD
北大核心
2022年第4期823-831,共9页
-
基金
广东省基础与应用基础研究基金(No.2019A1515111099)
中山大学青年培育项目(No.20lgpy72)
中国科学院空间精密测量重点实验室开放基金(No.SPMT2021002)。
-
文摘
为解决非线性滤波中存在模型歧义和预测偏差情况下似然函数、目标重要性密度函数和实际目标分布不匹配的问题,提出了贝叶斯序贯重要性积分滤波器(Bayesian Sequential Importance Quadrature Filter,SIQF).为了消减贝叶斯推理中似然函数和目标分布之间的偏差,通过空时软约束定义最新观测的有界似然,截断观测噪声概率密度函数以近似可行域的修正先验.为了调制重要性函数和目标分布的匹配程度,并行对修正和原始先验下的状态进行Gauss-Hermite积分,引入最大相关信息熵构建覆盖多模分布的重要性函数,从而提升序贯重要性采样的多样性和预测协方差的容错性.实验结果表明:相比无迹粒子滤波估计一维单变量增长模型,SIQF算法在无需牺牲计算复杂度的情况下平均误差减小了63%;相比多模型Rao-blackwell粒子滤波器跟踪空域机动目标,SIQF算法的均方根误差减小了33%,所需计算量降低了一个数量级.
-
关键词
非线性滤波
贝叶斯序贯重要性积分
软约束
有界似然
相关信息熵测度
-
Keywords
nonlinear filtering
Bayesian sequential importance quadrature filter
soft constraint
bounded likelihood
maximum correntropy criterion
-
分类号
TN953
[电子电信—信号与信息处理]
-
