非线性/非高斯序贯贝叶斯滤波

• 作者: 刘凤霞 宫先仪
• 来源期刊: 杭州电子科技大学学报（自然科学版）
• 关键词: 序贯贝叶斯滤波 状态-空间模型 卡尔曼滤波 质点滤波
• 年，卷（期）: 2011,（4）
• 页码范围: 9-12
• 分类号: TN911.7
• 语种: 中文
• DOI: 10.3969/j.issn.1001-9146.2011.04.003

摘要

序贯Bayesian滤波为Bayesian滤波的递归实现,为在线估计系统状态提供了一个合理的框架.序贯贝叶斯滤波是基于状态-空间模型的.在线性高斯状态-空间模型下,最佳序贯贝叶斯滤波为大家熟知的卡尔曼滤波.在非线性/非高斯状态-空间模型下,最佳序贯贝叶斯滤波不存在通用的解析解,基于卡尔曼滤波的方法和质点滤波方法为比较常用的两类次最佳序贯贝叶斯滤波.它们各有各的优势,是相互补充的.该文采用扩展卡尔曼滤波和序贯重要性重采样质点滤波对两个非线性/非高斯系统的状态进行跟踪,仿真表明系统非线性/非高斯不严重时采用扩展卡尔曼比较合适,非线性/非高斯较严重时采用序贯重要性重采样比较合适.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宫先仪		13	90	5.0	9.0
2	刘凤霞	浙江大学信息与电子工程系	2	2	1.0	1.0