基本信息来源于合作网站,原文需代理用户跳转至来源网站获取       
摘要:
渐进贝叶斯方法将先验分布到后验分布的演化描述为一阶动态系统,通过在伪时间上连续地引入观测信息实现后验状态估计.该方法的一般形式解,即动态系统的时间导数,是难以得到的.本文提出一种高斯型渐进贝叶斯滤波器.首先在线性高斯条件下推导了时间导数的解析解;然后证明了在该条件下,由该解析解确定的一阶动态系统与常量状态估计的Kalman-Bucy滤波器是一致的,且由此导出的高斯渐进贝叶斯滤波器与卡尔曼滤波器是一致的.最后利用一阶Taylor展开推导了滤波器在非线性高斯条件下的近似解表达式,并采用Monte Carlo方法给出了具体实现方法.通过若干仿真算例表明,新滤波器具有较高的精度,且在一定精度条件下的时间复杂度低于一般粒子滤波器.
推荐文章
非线性/非高斯序贯贝叶斯滤波
序贯贝叶斯滤波
状态-空间模型
卡尔曼滤波
质点滤波
基于贝叶斯原理的粒子滤波算法
贝叶斯估计
粒子滤波
蒙特卡罗方法
非线性滤波
磁偶极子跟踪的渐进贝叶斯滤波方法
磁偶极子
跟踪
状态–空间模型
非线性滤波
渐进贝叶斯
基于高斯密度的一阶贝叶斯衍生分类器
朴素贝叶斯分类器
高斯函数
贝叶斯网络
依赖扩展
分类准确性
内容分析
关键词云
关键词热度
相关文献总数  
(/次)
(/年)
文献信息
篇名 高斯渐进贝叶斯滤波器
来源期刊 控制理论与应用 学科 工学
关键词 非线性滤波 渐进贝叶斯 卡尔曼滤波器 一阶动态系统 Monte Carlo方法
年,卷(期) 2015,(8) 所属期刊栏目 论文与报告
研究方向 页码范围 1023-1031
页数 9页 分类号 TP202
字数 8818字 语种 中文
DOI 10.7641/CTA.2015.50211
五维指标
作者信息
序号 姓名 单位 发文数 被引次数 H指数 G指数
1 周穗华 海军工程大学兵器工程系 63 233 7.0 11.0
2 张宏欣 海军工程大学兵器工程系 18 55 4.0 6.0
3 冯士民 海军工程大学兵器工程系 14 35 4.0 5.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (15)
共引文献  (6)
参考文献  (8)
节点文献
引证文献  (0)
同被引文献  (0)
二级引证文献  (0)
1993(1)
  • 参考文献(1)
  • 二级参考文献(0)
2000(1)
  • 参考文献(1)
  • 二级参考文献(0)
2003(2)
  • 参考文献(2)
  • 二级参考文献(0)
2007(1)
  • 参考文献(0)
  • 二级参考文献(1)
2008(2)
  • 参考文献(1)
  • 二级参考文献(1)
2009(1)
  • 参考文献(1)
  • 二级参考文献(0)
2010(3)
  • 参考文献(0)
  • 二级参考文献(3)
2011(3)
  • 参考文献(0)
  • 二级参考文献(3)
2012(6)
  • 参考文献(0)
  • 二级参考文献(6)
2013(2)
  • 参考文献(1)
  • 二级参考文献(1)
2014(1)
  • 参考文献(1)
  • 二级参考文献(0)
2015(0)
  • 参考文献(0)
  • 二级参考文献(0)
  • 引证文献(0)
  • 二级引证文献(0)
研究主题发展历程
节点文献
非线性滤波
渐进贝叶斯
卡尔曼滤波器
一阶动态系统
Monte Carlo方法
研究起点
研究来源
研究分支
研究去脉
引文网络交叉学科
相关学者/机构
期刊影响力
控制理论与应用
月刊
1000-8152
44-1240/TP
大16开
广州市五山华南理工大学内
46-11
1984
chi
出版文献量(篇)
4979
总下载数(次)
16
总被引数(次)
72515
论文1v1指导