基于概率密度函数塑形法的EKF和UKF优化
作者:
周自牧
;
肖康
关键词:
概率密度函数
最小熵准则
无迹卡尔曼滤波
扩展卡尔曼滤波
摘要:
针对于扩展卡尔曼滤波(Extended Kalman Filter,EKF)和无迹卡尔曼滤波(Unscented Kalman Filter,UKF),介绍了一种通过调节系统输出数据的概率密度函数(Probability Density Function,PDF)的函数形状,从而使滤波系统获得更高的跟踪精度的方法。方法中,用采集的输出数据构成神经网络来补偿系统的非线性,使得滤波具有相当优良的跟踪效果。仿真结果表明方法可以改善EKF和UKF的性能,提高跟踪精度和抗干扰能力。
上一篇:火电厂全厂综合控制系统设计
下一篇:机网协调系统的热工控制性能评估