混合估計(jì)自適應(yīng)平滑算法研究.pdf

1、該文對(duì)自適應(yīng)估計(jì)領(lǐng)域中的混合估計(jì)算法進(jìn)行了較為深入,系統(tǒng)的研究,主要工作如下:1.地混合估計(jì)的應(yīng)用背景和發(fā)展現(xiàn)狀做了簡(jiǎn)要概述,著重介紹了混合估計(jì)的主流算法—交互式多模型算法(IMM).并采用Monte Carlo方法對(duì)算法采用正態(tài)分布來(lái)近似描述每個(gè)濾波模型的似然函數(shù)作初步的驗(yàn)證.2.比較了目前已有的幾個(gè)混合估計(jì)平滑算法;并提出了一種新的基于系統(tǒng)擴(kuò)維的任意步固定滯后平滑算法.3.在兩種典型的仿真環(huán)境下比較了IMM算法和固定滯后平滑算法的精

2、度;以及該文提出的固定滯后平滑算法和Chen的固定滯后平滑算法的精度.4.為了滿足有些實(shí)時(shí)民生要求很強(qiáng)的系統(tǒng)的要求,提出了一種多步迭代的實(shí)時(shí)IMM算法,仿真表明利用該方法是可行的.5.提出了一種基于Unscented Kalmal Filter(UKF)的交互式多模型算法,該算法結(jié)合了IMM算法對(duì)系統(tǒng)結(jié)構(gòu)突變的跟蹤能力和UKF算法對(duì)系統(tǒng)狀態(tài)或量測(cè)方程非線性的處理能力,并在二維非線性機(jī)動(dòng)目標(biāo)跟蹤中顯示了其比基于EKF的IMM算法的優(yōu)越性.