【摘 要】
：
为解决先验概率作为重要性密度函数因未融入最新的观测信息而造成测量精度低的问题,提出了迭代容积粒子滤波。此算法采用Gauss-Newton迭代和容积卡尔曼滤波设计重要性密度函数,在迭代过程中不断修改新息的方差和协方差,使重要性密度函数更接近后验概率密度。此外,为确保状态协方差矩阵的正定性,采用了平方根滤波的思想,通过正交三角分解来代替每次迭代的矩阵开方操作。仿真实验证明,此算法可以提高滤波精度,适用
【机 构】
：
东北电力大学自动化工学院,浙江浙能台州第二发电有限责任公司
论文部分内容阅读
为解决先验概率作为重要性密度函数因未融入最新的观测信息而造成测量精度低的问题,提出了迭代容积粒子滤波。此算法采用Gauss-Newton迭代和容积卡尔曼滤波设计重要性密度函数,在迭代过程中不断修改新息的方差和协方差,使重要性密度函数更接近后验概率密度。此外,为确保状态协方差矩阵的正定性,采用了平方根滤波的思想,通过正交三角分解来代替每次迭代的矩阵开方操作。仿真实验证明,此算法可以提高滤波精度,适用于对精度要求很高但对运算时间要求不是很高的场合。
其他文献
为了有效降低纳什均衡求解的复杂度并提高其计算效率,提出了一种粒子群算法近似求解混合战略纳什均衡的新方法。在介绍混合战略纳什均衡理论的基础上,提出了混合战略纳什均衡定义的计算形式,并据此提出了混合战略近似纳什均衡的概念,给出了粒子群算法求解混合战略近似纳什均衡的方法步骤。通过仿真验证了近似纳什均衡理论及粒子群求解过程的正确性,与原粒子群算法进行比较,得到新粒子群算法时效性更强的结论。
为更准确描述随机路网环境下出行者规避风险的择路行为,对期望—超额交通分配模型进行扩展,提出一种供应与需求双重不确定条件下多时段随机期望—超额用户平衡模型。在模型中,不仅同时考虑了行程时间随机变化条件下的可靠性和不可靠性,而且还考虑了出行者对行程时间的估计误差和需求的时变性。推导了需求服从对数正态分布和路段通行能力服从贝塔分布条件下期望—超额行程时间的解析表达式。以此为基础,建立起用等价变分不等式表
针对协同推荐技术存在的数据稀疏性和恶意评价行为等问题,提出了一种新颖的基于社会网络的协同过滤推荐算法。该方法借助社会网络分析技术对协同推荐方法加以改进,结合用户信任关系与用户自身兴趣,通过计算网络节点的可信度来消减虚假评分或恶意评分给推荐系统带来的负面影响,从而提高了推荐系统的准确度。实验表明,相对于传统的协同过滤算法,该算法可以有效缓解用户评分稀疏性及恶意评价行为带来的问题,显著提高推荐系统的推
从行为动力学角度探讨物流基地产品出库量的时序特征。首先基于重标极差法,以某大规模物流基地产品的出库量为例,揭示物流基地各个仓库的钢材产品出库量具有分形布朗运动的基本特征。物流系统出库量不仅受到当前市场价格的引导,而且受过去一段时间的出库量影响较大。由于在区间重构过程中采用极差的方式会造成部分信息的缺失,继而采用复杂网络可视图的方法对物流系统的分形特征进一步加以验证,发现基本所有的可视图均具有小世界
为了更加有效地评估漏洞威胁,在原有的基于关联性漏洞评估方法的基础上,从漏洞的可利用性出发,分析了通用漏洞评估系统(CVSS)作为漏洞可利用性评价指标的缺点。在改进CVSS评价指标的基础上,提出了更为合理的漏洞可利用性评估体系,并改进了原有的漏洞评估方法。该方法能够有效地挖掘漏洞自身特点,科学地进行漏洞评估,并通过实验验证了该方法的合理性和有效性。
为了解决标准粒子群优化算法(particle swarm optimization,PSO)收敛速度慢和容易陷入局部极小值的问题,提出了一种改进的方法。算法针对PSO算法在搜索过程中常处于一个相对稳定的阶段,这时获取全局最优点的粒子速度趋于0或者在最优位置来回大幅振荡,而种群中的其他粒子正处在向全局最优位置收敛的过程中,动态调整粒子位置和速度可以提高粒子的收敛速度。如果稳定阶段过长而粒子过于集中,
针对非线性系统中因噪声模型不准确或测量数据中存在野值而导致无迹卡尔曼滤波(UKF)结果产生偏差甚至发散的问题,提出了一种自适应抗差无迹卡尔曼滤波(ARUKF)算法。该算法利用抗差估计原理构造抗差方差分量统计量,并由该统计量引入自适应因子来调节增益矩阵,减弱野值对滤波的影响。将ARUKF算法应用于GPS/BD-2组合导航系统中,仿真实验结果表明,当观测数据中存在野值时,ARUKF算法能够有效地控制观
传统定性趋势分析方法中,存在划分片段宽度难以自适应、依赖人为设定阈值、算法复杂等问题,针对这些问题,提出了一种新的基于滑动窗口的定性趋势分析方法。方法采用一个滑动的窗口,并对窗口内的数据进行线性拟合,根据拟合的情况扩大或缩小窗口,确定每个片段的最佳大小,将每个片段识别为上升、下降或不变,最终获取数据的定性趋势。在化工过程趋势分析应用的结果表明,该方法能够更为有效地提取、识别出趋势,具有较高的准确性
根据不确定、非线性复杂生产过程的质量预测难点,提出一种基于局部模型的多工况过程质量预测方法。首先利用K-均值聚类算法对过程进行工况划分,结合支持向量机回归原理建立各局部质量预测模型,再利用改进粒子群算法求解最优的各局部模型权重,使全局模型的输出与预期输出之间的误差达到最小,以得到其全局模型,进而实现生产过程的质量预测。该方法较好地解决了复杂生产过程的复杂不确定的问题,同时有良好的全局适应性。最后以
为了能正确检测显著性图中的多个显著性目标,提出了一种基于全局颜色对比的显著性目标检测算法。该算法首先提取图像的全局颜色对比度特征,然后把显著性图和全局颜色对比度作为特征输入条件随机场框架中,得到二值显著性掩模,最后经区域描绘子计算得到包含显著性目标的最小外接矩形。在两种公开的数据集上的实验结果表明,该算法在精度、召回率以及F-测度方面的表现优于现有其他几种算法,在计算效率上也具有一定的优势。因此,