中国博士后科学基金(2013M532020)
- 作品数：8 被引量：23H指数：3
- 相关作者：陈金广马丽丽张芬张曼赵甜甜更多>>
- 相关机构：西安工程大学西安电子科技大学更多>>
- 发文基金：中国博士后科学基金国家自然科学基金陕西省教育厅科研计划项目更多>>
- 相关领域：自动化与计算机技术更多>>
- DSmT框架下PCR分配法则的随机集表示
- 2014年
- 证据理论的随机集表示能够使不同类型的信息,采用统一的多源信息融合系统进行建模处理。根据现有的随机集理论统一表示模型和DSmT理论的随机集表示,采用随机集理论对PCR分配法则进行随机集表示。提出PCR分配法则随机集表示形式的转换规则。依据转换规则推导出PCR分配法则的随机集表示。研究结果有益于信息融合的统一表示和处理。
- 马丽丽张芬陈金广
- 关键词：DSMT随机集证据理论信息融合
- 一种证据不确定性度量方法及其应用被引量：1
- 2015年
- 证据的冲突是导致证据理论融合结果不理想的重要因素,对证据冲突的处理一直是证据理论中要解决的关键问题。通过对多义度、不一致度和非特异度进行线性组合,提出一种新的证据不确定性度量方法。新方法能够更全面地涵盖证据体中所包含的不一致和非特异性两类不确定信息,使得证据不确定性度量结果所包含的信息更为完整。在此基础上,采用指数函数构造权重,对证据体进行预处理,然后采用DST、PCR2和PCR5进行融合。算例结果表明融合结果合理,新的证据不确定性度量方法有效。
- 陈金广张芬马丽丽
- 关键词：不确定度证据理论非特异性信息融合
- 有色噪声条件下的高斯和卡尔曼滤波算法被引量：2
- 2015年
- 标准卡尔曼滤波假设系统的过程噪声和量测噪声是均值为零的高斯白噪声,但在实际应用中,经常会遇到噪声为非高斯分布的有色噪声,因此不能直接使用卡尔曼滤波算法。针对该问题,提出一种有色噪声条件下的高斯和卡尔曼滤波算法。分别采用状态扩增法和量测扩增法对过程噪声和量测噪声进行白化处理;根据高斯和滤波思想,用多个高斯项的叠加来近似非高斯分布,实现对系统的状态估计。实验结果表明,该算法能够有效去除有色噪声影响,提高滤波精度。
- 马丽丽张曼陈金广
- 关键词：有色噪声非高斯噪声卡尔曼滤波状态估计
- 一种基于Pignistic概率距离的合成公式被引量：5
- 2015年
- 针对多证据源信息融合过程中证据源间存在的冲突问题,提出了一种基于Pignistic概率距离的合成公式。利用Pignistic概率距离构造证据可信度;再利用证据可信度修正证据体,以改进合成公式;利用改进的合成公式对证据源进行融合。算例结果表明,改进合成公式的融合结果合理有效,与其他方法相比有更好的适用性、可靠性和较快的运算速度。
- 马丽丽张芬陈金广
- 关键词：D-S证据理论信息融合
- DSmT框架下的广义PCR组合规则被引量：1
- 2014年
- 在开放世界中,一个辨识框架可能没有包含命题所有可能的描述,传统的PCR组合规则并不能够对这种辨识框架不完备情况下的信息进行融合。针对该问题,在广义证据理论基本框架的基础上,提出了广义PCR组合规则。广义PCR组合规则扩展了传统PCR组合规则的适用范围,使其在辨识框架不完备的情况下,仍能够对信息进行有效融合。此外,在证据源之间存在较大冲突的情况下,广义PCR组合规则能够获得比广义DST组合规则更好的融合结果。算例结果表明,广义PCR组合规则是有效和合理的。
- 陈金广张芬
- 关键词：信息融合证据理论
- 强跟踪求积分卡尔曼滤波算法被引量：1
- 2014年
- 在非线性系统滤波问题中,可能出现真实系统和滤波模型不匹配的现象,而标准形式的求积分卡尔曼滤波器对于这种具有模型不确定性系统的鲁棒性较差、滤波精度降低的问题。针对该问题,结合强跟踪滤波器的思想,提出了强跟踪求积分卡尔曼滤波算法。通过引入衰减因子对当前时刻的状态预测协方差矩阵进行修正,使得不同时刻的残差序列保持正交,减弱先前滤波结果对当前滤波过程的影响,增强量测值的作用,减弱模型的作用,克服模型的不确定性对滤波结果的影响。仿真结果表明,在具有模型不确定性情况的非线性滤波问题中,该算法与标准形式的求积分卡尔曼滤波算法相比,能够获得更高的滤波精度。
- 马丽丽贺姗陈金广
- 关键词：非线性系统状态估计卡尔曼滤波
- 欠观测条件下的增量容积卡尔曼滤波被引量：3
- 2014年
- 在工程实践中,由于环境影响、量测设备不稳定等因素,非线性滤波系统中的量测方程可能会出现较大的系统误差,而标准的非线性滤波算法不能消除这类系统误差。针对该问题,假定过程噪声和量测噪声服从高斯分布,利用相邻量测时刻的量测值之差建立增量量测方程,采用3阶球面径向规则获得容积点及其权值。使用容积点对贝叶斯滤波过程中的积分进行数值近似,从而提出增量容积卡尔曼滤波算法。仿真实验结果表明,增量容积卡尔曼滤波算法滤波精度优于标准容积卡尔曼滤波算法与增量卡尔曼滤波算法,能够成功消除量测方程中的系统误差。
- 马丽丽赵甜甜陈金广
- 关键词：卡尔曼滤波状态估计深空探测
- 多传感器集中式增量卡尔曼滤波融合算法被引量：10
- 2014年
- 在单个传感器的状态估计系统中,标准的增量卡尔曼滤波方法可以有效消除量测系统误差。对于多传感器情况,标准算法失效。针对该问题,提出了多传感器集中式增量卡尔曼滤波融合算法,即:增量卡尔曼滤波的扩维融合算法和增量卡尔曼滤波的序贯融合算法。在标准增量卡尔曼滤波算法的基础上,结合扩维融合和序贯融合的思想来实现多传感器数据的融合。实验结果表明,当存在量测系统误差时,提出的集中式融合算法与传统的集中式融合算法相比,提高了滤波精度,并且能够成功地消除量测系统误差。
- 马丽丽张曼陈金广
- 关键词：多传感器数据融合
