MCMC粒子滤波的动力定位状态估计方法

• 作者: 杨奕飞 鲍威尔
• 来源期刊: 控制工程
• 学科: 工学
• 关键词: MCMC 粒子滤波 动力定位 状态估计
• 年，卷（期）: 2019,（11）
• 所属期刊栏目: 建模与仿真系统
• 页码范围: 2036-2040
• 页数: 5页
• 分类号: TP202
• 字数: 3657字
• 语种: 中文
• DOI: 10.14107/j.cnki.kzgc.170438

摘要

状态估计是动力定位系统控制部分重要的一环,要让船舶保持在目标位置就需要获得准确的船舶状态信息.针对扩展卡尔曼滤波和无迹卡尔曼滤波等滤波依赖高斯逼近而无法适应船舶运动这类强非线性问题,选用基于贝叶斯估计的改进粒子滤波算法.针对标准粒子滤波的退化和贫化问题,引入马尔科夫链蒙特卡罗算法,构造马尔可夫链产生来自目标分布的样本,降低粒子间的关联性.仿真结果表明,改进的粒子滤波能够从包含高频运动信息和噪声的测量信息中分离船舶低频运动信息,滤波精度较高,稳定性较好.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	杨奕飞	江苏科技大学电子信息学院	32	67	4.0	5.0
2	鲍威尔	江苏科技大学电子信息学院	1	0	0.0	0.0