导读:本文包含了衰减记忆卡尔曼滤波论文开题报告文献综述及选题提纲参考文献，主要关键词:概率假设密度,同步定位与地图构建,平方根无迹卡尔曼滤波,衰减记忆滤波
衰减记忆卡尔曼滤波论文文献综述
孙陶莹,章飞,曾庆军[1]（2019）在《一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法》一文中研究指出针对海洋背景噪声和水声传感器测量噪声大、信噪比低所导致的水下SLAM方法数据关联复杂、精度低的问题,提出一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法,该方法基于PHD滤波避免了复杂的数据关联,且在非线性函数高斯权重更新过程中引入平方根无迹变换,并进一步结合衰减记忆滤波,解决了由于模型误差和计算误差造成的协方差矩阵非正定和不对称性所导致的滤波发散问题,提高水下SLAM方法的精度.仿真实验将所提方法与RB-PHD-SLAM和UKF-PHD-SLAM方法进行对比分析,结果表明所提方法在对自身定位及地图特征估计精度上均有了明显的提高.(本文来源于《江苏科技大学学报(自然科学版)》期刊2019年03期）
杨旺明[2]（2018）在《衰减记忆平方根容积卡尔曼滤波及其应用》一文中研究指出计算误差和模型误差是导致容积卡尔曼滤波(CKF)发散的两大主要因素,而平方根容积卡尔曼滤波算法(SCKF)只能抑制计算发散。为抑制模型误差引起的滤波发散,通过引进指数加权衰减因子实现对当前测量数据利用的加强,提出了衰减记忆平方根容积卡尔曼滤波(MASCKF)算法。并将该算法应用到光电跟踪系统的目标跟踪滤波预测中,仿真实验结果表明,MASCKF算法能有效抑制滤波发散,滤波效果优于SCKF算法。(本文来源于《计算机与数字工程》期刊2018年03期）
胡建林,黄海生[3]（2018）在《衰减记忆迭代不敏卡尔曼滤波算法研究》一文中研究指出提出了一种基于不敏卡尔曼滤波(UKF)的新方法。该方法首先将迭代策略引入到UKF中,一步预测值通过量测更新之后的状态值确定,然后引入衰减因子提高当前数据的利用比重,逐渐减小旧数据的利用比重,将迭代策略与衰减记忆算法融合。应用于GPS的静态单点定位中,仿真实验表明,新算法能够提供高于传统UKF算法的定位精度和稳定度。(本文来源于《信息技术》期刊2018年01期）
付翔,孙威,黄斌,邢爱娟,王静[4]（2018）在《基于指数加权衰减记忆无迹卡尔曼滤波的路面附着系数估计》一文中研究指出针对车辆主动安全控制中路面附着系数这一关键信息,提出一种指数加权衰减记忆无迹卡尔曼滤波(FMUKF)估计算法。该算法在传统无迹卡尔曼滤波(UKF)的基础上,利用衰减记忆滤波来解决由于模型不准确造成的滤波误差过大甚至发散等问题。利用Car Sim和MATLAB/Simulink对算法进行了联合仿真和实车道路试验,并与传统UKF算法的估计结果进行对比分析。结果表明,该算法增强了滤波的稳定性、提高了算法的估计精度,且具有一定的自适应性。(本文来源于《汽车技术》期刊2018年01期）
王仁,赵长胜,夏志浩,谭兴龙,孙鹏[5]（2015）在《无迹卡尔曼滤波衰减记忆算法研究》一文中研究指出无迹卡尔曼滤波算法作为典型的卡尔曼滤波改进算法,有效地解决了线性化时高阶项的舍弃误差和强非线性模型的无法线性化问题。但是常规的无迹卡尔曼滤波对旧的数据和当前数据的利用率是相同的,很容易导致滤波的发散。通过引进衰减因子加强了对当前数据的利用,降低了旧数据对滤波结果的影响。本文基于此提出了衰减记忆无迹卡尔曼滤波算法,并对衰减因子的确定进行了分析。仿真试验分析表明,衰减记忆无迹卡尔曼滤波算法能够提高滤波结果的精度。(本文来源于《测绘通报》期刊2015年12期）
李莉[6]（2011）在《衰减记忆扩展卡尔曼滤波在目标跟踪中的应用》一文中研究指出对衰减记忆扩展卡尔曼滤波在机动目标跟踪领域中的应用技术进行研究,给出了状态方程和衰减记忆扩展卡尔曼滤波算法,分析了衰减记忆扩展卡尔曼滤波与扩展卡尔曼滤波算法之间存在的主要差别,并通过仿真实验证明该衰减记忆滤波算法具有较好的跟踪目标动态变化效果,解决了卡尔曼滤波算法和扩展卡尔曼滤波算法在非线性系统的目标跟踪中存在的滤波发散问题。(本文来源于《电子测量技术》期刊2011年02期）
曲毅,刘忠,孙世言[7]（2006）在《纯方位被动目标运动分析的衰减记忆卡尔曼滤波算法》一文中研究指出针对纯方位被动目标跟踪中扩展卡尔曼滤波器容易发散,从而导致滤波精度差而且收敛速度慢的问题,文中将水下纯方位被动目标运动分析中的扩展卡尔曼滤波算法改进为衰减记忆卡尔曼滤波算法.通过对当前测量数据的利用,减小了历史数据对滤波的影响程度.对比仿真分析表明,滤波效果有所改善,提高了精度和收敛速度.(本文来源于《武汉理工大学学报(交通科学与工程版)》期刊2006年05期）
衰减记忆卡尔曼滤波论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
计算误差和模型误差是导致容积卡尔曼滤波(CKF)发散的两大主要因素,而平方根容积卡尔曼滤波算法(SCKF)只能抑制计算发散。为抑制模型误差引起的滤波发散,通过引进指数加权衰减因子实现对当前测量数据利用的加强,提出了衰减记忆平方根容积卡尔曼滤波(MASCKF)算法。并将该算法应用到光电跟踪系统的目标跟踪滤波预测中,仿真实验结果表明,MASCKF算法能有效抑制滤波发散,滤波效果优于SCKF算法。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
衰减记忆卡尔曼滤波论文参考文献
[1].孙陶莹,章飞,曾庆军.一种基于衰减记忆滤波的平方根无迹卡尔曼滤波PHD-SLAM方法[J].江苏科技大学学报(自然科学版).2019
[2].杨旺明.衰减记忆平方根容积卡尔曼滤波及其应用[J].计算机与数字工程.2018
[3].胡建林,黄海生.衰减记忆迭代不敏卡尔曼滤波算法研究[J].信息技术.2018
[4].付翔,孙威,黄斌,邢爱娟,王静.基于指数加权衰减记忆无迹卡尔曼滤波的路面附着系数估计[J].汽车技术.2018
[5].王仁,赵长胜,夏志浩,谭兴龙,孙鹏.无迹卡尔曼滤波衰减记忆算法研究[J].测绘通报.2015
[6].李莉.衰减记忆扩展卡尔曼滤波在目标跟踪中的应用[J].电子测量技术.2011
[7].曲毅,刘忠,孙世言.纯方位被动目标运动分析的衰减记忆卡尔曼滤波算法[J].武汉理工大学学报(交通科学与工程版).2006
标签：概率假设密度; 同步定位与地图构建; 平方根无迹卡尔曼滤波; 衰减记忆滤波;