典型文献
基于改进高斯混合模型的机器人运动状态估计
文献摘要：
针对复杂环境下机器人运动状态估计的精度改善问题,提出一种面向非线性非高斯系统的改进高斯和容积卡尔曼滤波估计方法.首先,引入加权信息量概念来改进期望最大化算法目标函数惩罚项,使得在优化过程中能考虑更全面的参数信息,以达到减少期望最大化算法的迭代次数和提高收敛速度的目的.此外,以基于马氏距离和Kullback-Leibler(KL)距离的高斯项合并方法为基础,提出一种能有效联合两类高斯项合并方式的融合模式.先单独使用马氏距离和KL距离进行高斯混合项合并,再对获得的高斯混合项进行加权融合处理,以改善高斯和滤波中多高斯项的合并性能和保真度.最后,应用非线性非高斯系统的高斯和容积卡尔曼滤波框架实现对复杂环境下机器人的运动状态估计.理论分析与仿真结果表明,该方法能实现对机器人运动更好的状态估计精度,并具有更强的鲁棒性能.
文献关键词：
非线性非高斯系统;状态估计;高斯和容积卡尔曼滤波;鲁棒期望最大化算法;凸组合融合
中图分类号：
作者姓名：
葛泉波;王贺彬;杨秦敏;张兴国;刘华平
作者机构：
南京信息工程大学自动化学院 南京210044;淳安县千岛湖科学研究院 杭州311799;浙江大学控制科学与工程学院 杭州310027;中国飞行试验研究院 西安710089;清华大学计算机科学与技术系 北京100084
文献出处：
引用格式：
[1]葛泉波;王贺彬;杨秦敏;张兴国;刘华平-.基于改进高斯混合模型的机器人运动状态估计)[J].自动化学报,2022(08):1972-1983
A类：
非线性非高斯系统,高斯和容积卡尔曼滤波,鲁棒期望最大化算法,凸组合融合
B类：
高斯混合模型,机器人运动,运动状态估计,复杂环境,下机,卡尔曼滤波估计,估计方法,信息量,参数信息,迭代次数,收敛速度,马氏距离,Kullback,Leibler,KL,融合模式,加权融合,融合处理,保真度,估计精度
AB值：
0.156283
相似文献
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。
