在利用惯性测量单元(Inertial Measurement Unit, IMU)对载体进行姿态解算时,机体震动和累计误差等因素会对解算结果产生较大影响。针对上述问题,提出了一种基于小波滤波和卡尔曼滤波的IMU噪声抑制方法。该方法通过高斯加权移动平均滤...在利用惯性测量单元(Inertial Measurement Unit, IMU)对载体进行姿态解算时,机体震动和累计误差等因素会对解算结果产生较大影响。针对上述问题,提出了一种基于小波滤波和卡尔曼滤波的IMU噪声抑制方法。该方法通过高斯加权移动平均滤波联合小波滤波对IMU中陀螺仪与加速度计的原始数据进行初步噪声抑制,采用比例积分微分(Proportion Integral Differential, PID)控制算法有效融合降噪后的陀螺仪与加速度计输出数据,从而减少累计误差和震动噪声影响。利用时间序列分析建立数学模型,为卡尔曼滤波器提供初始参数,通过卡尔曼滤波对融合后的数据进一步优化处理,提升噪声抑制效果。实验结果表明,所提方法相较于未滤波数据标准差下降了93.83%,显著抑制了震动噪声与累计误差,有效提高了IMU在姿态解算过程中的抗噪声性能。展开更多
不确定性和隐状态是目前强化学习所要面对的重要难题.本文提出了一种新的算法MA-Q-learning算法来求解带有这种不确定性的POMDP问题近似最优策略.利用M em etic算法来进化策略,而Q学习算法得到预测奖励来指出进化策略的适应度值.针对隐...不确定性和隐状态是目前强化学习所要面对的重要难题.本文提出了一种新的算法MA-Q-learning算法来求解带有这种不确定性的POMDP问题近似最优策略.利用M em etic算法来进化策略,而Q学习算法得到预测奖励来指出进化策略的适应度值.针对隐状态问题,通过记忆agent最近经历的确定性的有限步历史信息,与表示所有可能状态上的概率分布的信度状态相结合,共同决策当前的最优策略.利用一种混合搜索方法来提高搜索效率,其中调整因子被用于保持种群的多样性,并且指导组合式交叉操作与变异操作.在POMDP的Benchm ark实例上的实验结果证明本文提出的算法性能优于其他的POMDP近似算法.展开更多
文摘在利用惯性测量单元(Inertial Measurement Unit, IMU)对载体进行姿态解算时,机体震动和累计误差等因素会对解算结果产生较大影响。针对上述问题,提出了一种基于小波滤波和卡尔曼滤波的IMU噪声抑制方法。该方法通过高斯加权移动平均滤波联合小波滤波对IMU中陀螺仪与加速度计的原始数据进行初步噪声抑制,采用比例积分微分(Proportion Integral Differential, PID)控制算法有效融合降噪后的陀螺仪与加速度计输出数据,从而减少累计误差和震动噪声影响。利用时间序列分析建立数学模型,为卡尔曼滤波器提供初始参数,通过卡尔曼滤波对融合后的数据进一步优化处理,提升噪声抑制效果。实验结果表明,所提方法相较于未滤波数据标准差下降了93.83%,显著抑制了震动噪声与累计误差,有效提高了IMU在姿态解算过程中的抗噪声性能。
文摘不确定性和隐状态是目前强化学习所要面对的重要难题.本文提出了一种新的算法MA-Q-learning算法来求解带有这种不确定性的POMDP问题近似最优策略.利用M em etic算法来进化策略,而Q学习算法得到预测奖励来指出进化策略的适应度值.针对隐状态问题,通过记忆agent最近经历的确定性的有限步历史信息,与表示所有可能状态上的概率分布的信度状态相结合,共同决策当前的最优策略.利用一种混合搜索方法来提高搜索效率,其中调整因子被用于保持种群的多样性,并且指导组合式交叉操作与变异操作.在POMDP的Benchm ark实例上的实验结果证明本文提出的算法性能优于其他的POMDP近似算法.