-
题名精确稀疏高斯变分推理非线性状态估计方法的研究
- 1
-
-
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]
-
