文档介绍：万方数据
裳呗缘腢算法应用基于万某峰,赵长胜,王飞,陈士城猻,非线性系统的卡尔曼滤波—舓,裳呗缘腢算法猣琙机模拟或统计抽样,即产生一组随机数来模拟该随时刻状态向量,“㈩为控制向量,嗽一。为模型噪声向穕—惶门~!,贛这里考虑姒。和珧均为加性噪声,并且状态测绘工程摘要:惴ㄖ校琒采样点体现对均值和方差的传递精度。文中利用一种新的采样策略——蒙特卡洛模拟由于近似非线性函数的概率密度分布比近似其函数更容易。因此,变换选择一组点集—点集幢碚魇淙胱刺姆植继卣鳎俳ǚ窍咝变换应用于悖玫椒窍咝宰;缓蟮牡慵对转换后的点集通过加权计算得到统计特性。变换算法的关键是悴裳呗裕刹裳呗得到的慵D鼙Vな淙氡淞康姆植继卣鳎体现非线性函数本身的非线性模拟方法的基本思想是面对一个问题,首先建立与描述该问题有相似的概率模型,然后对模型进行随机模型,它的分布与该随机模型相同,再以该随机数的统计特征作为原始问题的近似解一。使用D夥椒ㄉ煞鲜淙胱刺植嫉乃机变量,符合变换思想。设某非线性系统模型如下:式W刺P停为量测模型。式中:为量,‰为是时刻的观测向量,%为量测噪声向量,这里假设甃,和碘均为高斯白噪声,即均值为差分别为:蚏假设所有的随机变量均服从高斯分布,非线性卡尔曼滤波公式如下:,,卜籈九,尸骸R籈坏环ε更新方程籔女,卜狵≈郑第卷第熘菔Ψ洞笱Р饣嫜г海招熘法采样策略,生成慵俣悦扛鯯点进行非线性变换,变换后仍通过非线性卡尔曼滤波公式计算,利用一个仿真算例验证采样策略的适用性。关键词:非线性;籑裳呗中图分类号:.;文献标志码:文章编号:———珻猚瓼,籑。唬,“卜胠卜,,卜,年:瑃.,,.簄籙籹收稿日期:一基金项目:国家自然科学基金资助项目作者简介:万某峰,男,&,训女琋琗,,
万方数据
耻⋯⋯菹厶川一去善”,埃骸R蝗ツ;R徊嬉唬贰幸慧绦籲,,×。,Ⅲ,⋯,.随机数产生函数一枷俐眃函数』“抡媸笛榉治裳呗缘墓丶遣鲜淙这里直接调用。软件带有的高斯分布其中:。硎緕。的第鲋担√1硎綪。根据志一笨痰淖刺兰浦滴蘑搴推湫籲畗,,Ⅲ,⋯,.测值厶,。一。和其协方差珿甼,琷女,多女,量测“课R乙籟‰、,‰,,建立卡尔曼滤波模型当猟时,比较方程为线性,观测方程为非线性,设系统的状态满足高斯分布,系统模型为蝗拢畗假设!:蚔ゲ幌喙兀倚讲罹卣蠓直为蚏。,”维随机变量跏甲刺木岛头差分别为:蚉。,即随机变量痈咚狗植肌裳呗状态分布的随机数,随机数产生步骤:确定一个数学模型或某种规则;规定初始值;按一定的步骤产生随机数,重复下去,得到随机数序列。返回鼍滴猘,标准差为母咚狗植嫉随机数采用裳呗裕跃滴猅。,方差为5男形婊淞縓,生成的Ⅲ个;集第龆越窍咴K氐钠椒礁怠惴ú街差扑阕刺げ庵滴腗。,幽,瓾—.一个在二维平面内运动的质点跏嘉恢,它以初速度R加速度痵琣、一一痵硕偕枰蛔标位置为,雷达对胁饩啵。和测角#统噪声和测量噪声均为加性噪声,状态向量为一里刿￡:甄,假设系统噪声札蛈。协方差分别为和卟幌喙亍裳呗陨蒘点数为裳奔鋐一鄄獯问次。,时,比较结果见图⑼。时,比较结果见图⑼。当—,第万某峰,等:基于裳呗缘腢算法应用穕,乙一猓孕一