10.13695/j.cnki.12-1222/o3.2016.03.015
一种基于Gauss von Mises分布模型的非线性量测更新方法
基于状态空间模型的许多传统滤波算法都基于 Rn空间中的高斯分布模型,但当状态向量中包含角变量或方向变量时,难以达到理想的效果。针对J. T. Horwood等提出的nS′R流形上的Gauss Von Mises (GVM)多变量概率密度分布,扩展了狄拉克混合逼近方法,给出了联合分布的GVM逼近方法,推导了后验分布的GVM参数计算公式,设计了量测更新状态估计算法。将J. T. Horwood等的时间更新算法与所提出的量测更新算法相结合,可实现基于 GVM 分布的递推贝叶斯滤波器(GVMF)。仿真结果表明,当状态向量符合GVM概率分布模型时,GVMF对角变量的估计明显优于传统的扩展卡尔曼滤波器。
Gauss von Mises分布、狄拉克混合逼近、递推贝叶斯滤波、量测更新
24
V448.2(航天仪表、航天器设备、航天器制导与控制)
辽宁省教育厅科学研究一般项目L2013083;国家自然科学青年基金61501308
2016-08-11(万方平台首次上网日期,不代表论文的发表时间)
共5页
361-365