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:
研究非高斯噪声环境下的高斯混合滤波方法,进行纯方位跟踪系统的目标跟踪.利用改进的参数自适应方法,调整位移参数的大小,从而修正了高斯混合模型,提出了在非高斯噪声下的参数自适应高斯混合CQKF算法;基于非高斯噪声下的离散系统模型,分析了高斯混合CQKF算法中建模过程的局限性,并结合初值优化方法,提出了利用参数自适应方法修正高斯混合滤波模型的方法,从而克服了高斯混合滤波的局限性,提高了滤波精度.仿真实验表明在非高斯噪声下参数自适应高斯混合CQKF算法比原算法有更高的滤波精度.
推荐文章
非高斯噪声环境中基于梯度范数的自适应滤波算法
α稳定分布
自适应滤波
梯度范数
归一化最小平均P范数算法
关于自适应高斯混合背景模型的更新算法的研究
自适应高斯混合背景模型
更新算法
方差平稳随机信号
一种普通噪声转换为高斯白噪声的无机自适应算法
无机自适应算法
噪声自相关
矢量差分
系数自动调整
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 非高斯噪声下的参数自适应高斯混合CQKF算法
来源期刊 北京理工大学学报 学科 工学
关键词 高斯混合模型 容积卡尔曼滤波算法 参数自适应方法 初值优化
年,卷(期) 2018,(10) 所属期刊栏目 信息与控制
研究方向 页码范围 1079-1084
页数 6页 分类号 TN927.2
字数 4229字 语种 中文
DOI 10.15918/j.tbit 1001-0645.2018.10.015
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 缪玲娟 北京理工大学自动化学院 57 652 14.0 23.0
2 沈军 北京理工大学自动化学院 29 332 11.0 17.0
3 邵海俊 北京理工大学自动化学院 10 23 3.0 4.0
4 孟东 北京理工大学自动化学院 4 20 3.0 4.0
传播情况
(/次)
(/年)
引文网络
引文网络
二级参考文献  (0)
共引文献  (0)
参考文献  (17)
节点文献
引证文献  (3)
同被引文献  (14)
二级引证文献  (5)
1960(1)
  • 参考文献(1)
  • 二级参考文献(0)
1970(1)
  • 参考文献(1)
  • 二级参考文献(0)
1971(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)
2004(1)
  • 参考文献(1)
  • 二级参考文献(0)
2009(2)
  • 参考文献(2)
  • 二级参考文献(0)
2010(1)
  • 参考文献(1)
  • 二级参考文献(0)
2012(1)
  • 参考文献(1)
  • 二级参考文献(0)
2013(3)
  • 参考文献(3)
  • 二级参考文献(0)
2015(2)
  • 参考文献(2)
  • 二级参考文献(0)
2016(3)
  • 参考文献(3)
  • 二级参考文献(0)
2018(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)
2019(4)
  • 引证文献(3)
  • 二级引证文献(1)
2020(4)
  • 引证文献(0)
  • 二级引证文献(4)
研究主题发展历程
节点文献
高斯混合模型
容积卡尔曼滤波算法
参数自适应方法
初值优化
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
北京理工大学学报
月刊
1001-0645
11-2596/T
大16开
北京海淀区中关村南大街5号
82-502
1956
chi
出版文献量(篇)
5642
总下载数(次)
13
  • 期刊分类
  • 期刊(年)
  • 期刊(期)
  • 期刊推荐
论文1v1指导