| 免微分非线性Bayesian滤波方法评述 |
| |
| 引用本文： | 程水英,邹继伟,汤鹏.免微分非线性Bayesian滤波方法评述[J].宇航学报,2009,30(3). |
| |
| 作者姓名： | 程水英 邹继伟 汤鹏 |
| |
| 作者单位： | 1. 电子工程学院,合肥,230037
2. 73677部队,南京,210016 |
| |
| 基金项目： | 国家自然科学基金，中国博士后科学基金 |
| |
| 摘 要： | 以非线性递推Bayesian滤波问题的求解及其历史渊源为起点,分两类对各种免微分非线性Bayesian滤波方法或免微分方法的原理和算法进行了评述:一类是以线性最小均方误差最优估计子为特点的免微分高斯滤波,包括无味卡尔曼滤波、均差滤波器、中心差分滤波器和Gauss-Hermite滤波器或积分卡尔曼滤波器;另一类是后验密度数值逼近免微分方法,包括栅格法(GBMs)与近似栅格法、矩近似法和以粒子滤波为代表的Monte Carlo方法.其中还包括了作者的一些最新研究成果,如迭代UKF算法、裂变自举PF算法和关于粒子滤波算法有限收敛界的概念等.之后从加权统计线性回归的角度对两类免微分方法进行了统一认识,统一为以数值方法为特点的广义PF.为了建立一个关于各种免微分算法性能的整体印象,论文还通过一个复杂的递推非线性滤波估计例子,用MonteCarlo仿真实验的方法对7种典型的免微分方法和和传统的EKF算法进行了比较研究.最后对两类免微分方法进行了简单的比较,并指出了进一步研究的方向.
|
| 关 键 词： | 非线性估计 递推Bayesian滤波 扩展卡尔曼滤波 高斯滤波 无味变换 无味卡尔曼滤波 均差滤波器 中心差分滤波器 Gauss-Hermite滤波器 积分卡尔曼滤波器 迭代无味卡尔曼滤波 栅格法 近似栅格法 矩近似法 Monte Carlo方法 粒子滤波 裂变自举粒子滤波 加权统计线性回归 |
Review on Derivative-Free Nonlinear Bayesian Filtering Methods |
| |
| CHENG Shui-ying,ZOU Ji-wei,TANG Peng.Review on Derivative-Free Nonlinear Bayesian Filtering Methods[J].Journal of Astronautics,2009,30(3). |
| |
| Authors: | CHENG Shui-ying ZOU Ji-wei TANG Peng |
| |
| Abstract: | |
| |
| Keywords: | |
| 本文献已被 维普 万方数据 等数据库收录！ |
|
