公共文化服务平台

共 7 条记录，以下是 1-7

全选清除导出

排序方式：

基于序列二次规划的非线性不等式状态约束滤波算法被引量：3: 2015年; 针对非线性不等式状态约束滤波问题,提出一种基于序列二次规划的迭代不敏卡尔曼滤波算法。在迭代不敏卡尔曼滤波的基础上,采用序列二次规划优化法求解非线性不等式约束条件下的最优解。通过对每一次迭代求解二次规划子问题来确定下降方向,重复该步骤直到求得原问题的解,利用效益函数对目标函数最小化和不等式约束条件进行权衡,以保证算法的收敛性,利用正定矩阵近似海森矩阵降低时间复杂度。对具有约束的航路跟踪系统进行实验仿真,结果表明,该算法在处理非线性不等式状态约束滤波问题时,能够有效地提高状态估计精度,获得较高的滤波精度,且时间复杂度较低。; 陈金广贺姗马丽丽; 关键词：优化算法目标跟踪信息融合

基于内点法的不敏卡尔曼滤波算法被引量：4: 2017年; 针对非线性不等式状态约束滤波问题,提出一种基于内点法的不敏卡尔曼滤波算法。该算法在不敏卡尔曼滤波的基础上结合了优化算法的思想,采用内点优化法求解非线性不等式约束条件下的最优解。在算法实现过程中,引入障碍项,用无约束障碍函数近似化受约束目标函数,采用一个相当小的正数即障碍因子,通过序列极小化方法逐渐减小该障碍因子,经过迭代快速搜索出非线性不等式状态约束问题的近似最优解。对具有约束的航路跟踪系统进行实验仿真,实验结果表明新算法在处理非线性不等式状态约束滤波问题时,能够有效地提高状态估计精度,获得较高的滤波精度,且时间复杂度较低。; 贺姗师昕; 关键词：不敏卡尔曼滤波优化算法目标跟踪信息融合

迭代收缩非线性状态约束滤波算法: 2022年; 在状态估计理论的实际应用中,系统的状态向量可能受到线性或者非线性约束条件的限制,如果可以将这些约束条件有效地施加到滤波过程中,则从理论上可以获得更高的滤波精度。针对非线性状态约束滤波,可以通过泰勒级数展开将非线性约束函数线性化,该方法需求解非线性约束函数的雅可比矩阵,然而实际问题中总有雅克比矩阵不存在的情况。采用水平滑动估计算法,该算法无需求解雅可比矩阵,然而该方法需要计算非线性约束最优化问题,算法时间复杂度较高。为此,在状态向量的高斯假定下,提出了一类迭代收缩非线性状态约束滤波方法。该方法结合容积卡尔曼滤波、求积分卡尔曼滤波、中心差分卡尔曼滤波和不敏卡尔曼滤波思想,分别采用几种不同的数值方法对积分进行近似,获得了几种解决非线性状态约束的实现算法。在实现过程中,为了减小基点误差对于滤波结果的影响,采用迭代的方法,给非线性状态约束函数施加一系列噪声,使得在量测更新步骤中方差逐步收敛,使约束逐渐增强,提高了状态估计的精度。实验结果表明,该类方法的几种实现算法滤波精度较高,时间复杂度较为适中,无需求解雅可比矩阵或黑森矩阵。; 贺姗刘沫萌李迎; 关键词：状态估计不敏卡尔曼滤波

两种视频解码器错误隐藏算法对视频解码效果和速度的影响: 2016年; 随着移动互联网技术的发展,在移动客户端观看视频已经越来越受到用户的欢迎和广泛的应用。本文着重研究移植到移动平台后的两种H.264视频解码器FFMPEG和JM中的错误隐藏算法对移动端视频解码速度和质量的影响。经过比较,FFMPEG解码器具有解码速度快、解码流程相对简单的优点,尽管其解码效果相对JM较差,但是由于移动客户端屏幕尺寸较小,因此可以适当"牺牲"视频质量,所以FFMPEG相较于JM更适合移植到移动平台。; 师昕贺姗; 关键词：FFMPEG JM 移动互联网

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

带渐消因子的容积卡尔曼滤波算法被引量：2: 2017年; 在实际的非线性系统滤波问题中,会出现模型不匹配的情况,而标准容积卡尔曼滤波器对于这种模型不确定性的鲁棒性比较差,其滤波估计后的效果会出现较大的偏差。针对这个问题,结合强跟踪滤波器的思想,提出了一种新的带渐消因子的容积卡尔曼滤波算法。这个算法的主要思想是,在滤波过程中,引入渐消因子修正滤波器的状态协方差矩阵。应用这种方法能够获得比容积卡尔曼滤波更高的滤波精度。; 贺姗师昕; 关键词：非线性系统卡尔曼滤波

改进的强跟踪求积分卡尔曼滤波算法被引量：3: 2018年; 在非线性系统状态估计问题中,强跟踪求积分卡尔曼滤波算法在实现过程中由于对判断滤波发散的阈值设置较小,即使在系统正常情况下也会以较大概率产生渐消因子,从而导致过度调节滤波增益,使得系统状态估计不够平滑。针对该问题,提出了一种改进的强跟踪求积分卡尔曼滤波算法。该算法通过适当增大判断滤波发散的阈值,从而有效地降低了误判滤波发散的概率,增强了滤波器对系统状态的跟踪性能,并能够根据不同维数的量测方程确定弱化因子的取值,从而有效避免了凭经验选取弱化因子,具有较强的操作性。对两种算法进行实验仿真,结果表明,改进的强跟踪求积分卡尔曼滤波算法具有更高的滤波精度,减小了系统状态估计值与真实值之间的偏差。; 贺姗赵旭师昕

全选清除导出

共1页<1>

贺姗