典型文献
贝叶斯序贯重要性积分滤波器
文献摘要：
为解决非线性滤波中存在模型歧义和预测偏差情况下似然函数、目标重要性密度函数和实际目标分布不匹配的问题,提出了贝叶斯序贯重要性积分滤波器(Bayesian Sequential Importance Quadrature Filter,SIQF).为了消减贝叶斯推理中似然函数和目标分布之间的偏差,通过空时软约束定义最新观测的有界似然,截断观测噪声概率密度函数以近似可行域的修正先验.为了调制重要性函数和目标分布的匹配程度,并行对修正和原始先验下的状态进行Gauss-Hermite积分,引入最大相关信息熵构建覆盖多模分布的重要性函数,从而提升序贯重要性采样的多样性和预测协方差的容错性.实验结果表明:相比无迹粒子滤波估计一维单变量增长模型,SIQF算法在无需牺牲计算复杂度的情况下平均误差减小了63％;相比多模型Rao-blackwell粒子滤波器跟踪空域机动目标,SIQF算法的均方根误差减小了33％,所需计算量降低了一个数量级.
文献关键词：
非线性滤波;贝叶斯序贯重要性积分;软约束;有界似然;相关信息熵测度
中图分类号：
作者姓名：
张宏伟;张小虎;曹勇
作者机构：
中山大学航空航天学院,广东广州510725;中国科学院空间精密测量技术重点实验室,陕西西安710119;北京东方计量测试研究所,北京100029
文献出处：
引用格式：
[1]张宏伟;张小虎;曹勇-.贝叶斯序贯重要性积分滤波器)[J].电子学报,2022(04):823-831
A类：
贝叶斯序贯重要性积分,SIQF,有界似然,blackwell,相关信息熵测度
B类：
决非,非线性滤波,歧义,预测偏差,似然函数,重要性密度函数,Bayesian,Sequential,Importance,Quadrature,Filter,消减,贝叶斯推理,软约束,概率密度函数,以近,似可,可行域,先验,Gauss,Hermite,升序,重要性采样,协方差,容错性,无迹粒子滤波,滤波估计,增长模型,计算复杂度,平均误差,多模型,Rao,粒子滤波器,空域,机动目标,计算量,数量级
AB值：
0.365822
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
