基于变分贝叶斯的分布协同非线性系统状态估计方法

    公开(公告)号:CN114567288B

    公开(公告)日:2024-04-26

    申请号:CN202210088496.7

    申请日:2022-01-25

    Applicant: 河南大学

    Abstract: 本发明公开了一种基于变分贝叶斯的分布协同非线性系统状态估计方法,通过以变分贝叶斯为基础,针对分布协同非线性目标跟踪系统过程噪声时变和观测噪声具有随机异常值的情况,选择IW分布和student’t分布作为目标状态一步预测协方差的先验分布和量测的分布,通过定点迭代的方法在各局部滤波器中求解目标状态和噪声参数的近似后验分布,采用CI融合方法对各局部滤波器的目标状态估计加权融合得到全局最优估计,最后再将全局最优估计反馈给各局部滤波器,提高了滤波器的估计精度和稳定性。

    基于变分贝叶斯的分布协同非线性系统状态估计方法

    公开(公告)号:CN114567288A

    公开(公告)日:2022-05-31

    申请号:CN202210088496.7

    申请日:2022-01-25

    Applicant: 河南大学

    Abstract: 本发明公开了一种基于变分贝叶斯的分布协同非线性系统状态估计方法,通过以变分贝叶斯为基础,针对分布协同非线性目标跟踪系统过程噪声时变和观测噪声具有随机异常值的情况,选择IW分布和student’t分布作为目标状态一步预测协方差的先验分布和量测的分布,通过定点迭代的方法在各局部滤波器中求解目标状态和噪声参数的近似后验分布,采用CI融合方法对各局部滤波器的目标状态估计加权融合得到全局最优估计,最后再将全局最优估计反馈给各局部滤波器,提高了滤波器的估计精度和稳定性。

    未知噪声下的变分贝叶斯强跟踪PHD多目标跟踪方法

    公开(公告)号:CN114519728A

    公开(公告)日:2022-05-20

    申请号:CN202210098227.9

    申请日:2022-01-25

    Applicant: 河南大学

    Abstract: 本发明公开了一种未知噪声下的变分贝叶斯强跟踪PHD多目标跟踪方法,引入强跟踪原理,通过衰减因子来进一步修正状态估计协方差矩阵来增强卡尔曼滤波中新息或者说观测的作用,修正过程噪声的不精确对状态协方差的影响;利用逆威沙尔特分布和高斯乘积联合分布近似联合后验分布,采用VB近似技术推导鲁棒PHD滤波迭代,通过最小化KL散度来逼近后验概率密度;进而可有效地提高跟踪精度和计算时间效率。

Patent Agency Ranking