《粒子滤波算法在多传感器测量中的应用》PDF+DOC
作者:郑华,谭博,裴承鸣
单位:陕西电子杂志社;陕西省电子技术研究所
出版:《》
页数:4页 (PDF与DOC格式可能不同)
PDF编号:PDFXDDJ2014010080
DOC编号:DOCXDDJ2014010089
下载格式:PDF + Word/doc 文字可复制、可编辑
《多传感器联合测向定位算法》PDF+DOC2015年第04期 刘仲亚,夏楠
《一类分布式传感器粒子滤波融合算法》PDF+DOC2015年第18期 高蕊
《多传感器多目标粒子滤波算法》PDF+DOC2005年第04期 熊伟,何友,张晶炜
《基于IMM多传感器顺序粒子滤波跟踪机动目标算法》PDF+DOC2012年第04期 陆新东,胡振涛,刘先省,金勇
《多传感器目标分类的数据融合方法》PDF+DOC1998年第01期 蓝金辉,马宝华,李科杰,周汉昌
《基于小波去噪和数据融合的多传感器数据重建算法》PDF+DOC2005年第01期 杨惠娟,张建秋
《基于多卡尔曼滤波器的自适应传感器融合》PDF+DOC2004年第03期 党宏社,韩崇昭,段战胜
《时间配准在多传感器数据处理中的应用》PDF+DOC2011年第03期 李莉
《复杂系统多传感器数据融合技术及应用研究》PDF+DOC2006年第04期 罗蓉,徐红兵,田涛
《联邦滤波的改进算法》PDF+DOC2006年第04期 高为广,孙岩峰,卢伟,顾青涛
目标跟踪是粒子滤波算法在处理非线性问题的一种典型应用,但由于在线处理能力或传输条件的限制,实际应用中往往无法对多个传感器数据同时处理。据此,给出了一种基于多传感器选优的粒子滤波算法。假设每个时刻可以处理一个测量数据,该算法先采用加权的概率密度函数来评价每个传感器获得的测量值,并用粒子滤波对概率密度函数的加权进行实时更新,基于最大熵标准来选取最优测量数据进行处理。同时,最大熵标准保证了最优似然函数分布最宽,从而缓解粒子衰竭问题。通过数值仿真实验证明,该算法可以选择最优观测数据进行处理,有效降低多传感器测量中粒子滤波在线实时处理性能的要求,也较好地缓解了粒子滤波的“衰竭”问题。
提示:百度云已更名为百度网盘(百度盘),天翼云盘、微盘下载地址……暂未提供。