为了解决机器人同时定位、地图构建和目标跟踪问题,提出了一种基于交互多模滤波(interacting multiple model filter,IMM)的方法.该方法将机器人状态、目标状态和环境特征状态作为整体来构成系统状态向量并利用全关联扩展式卡尔曼滤波...为了解决机器人同时定位、地图构建和目标跟踪问题,提出了一种基于交互多模滤波(interacting multiple model filter,IMM)的方法.该方法将机器人状态、目标状态和环境特征状态作为整体来构成系统状态向量并利用全关联扩展式卡尔曼滤波算法对系统状态进行估计,由此随着迭代估计的进行,系统各对象状态之间将产生足够的相关性,这种相关性能够正确反映各对象状态估计间的依赖关系,因此提高了目标跟踪的准确性.该方法进一步和传统的IMM滤波算法相结合,从而解决了目标运动模式未知性问题,IMM方法的采用使系统在完成目标追踪的同时还能对其运动模态进行估计,进而提高了该算法对于机动目标的跟踪能力.仿真实验验证了该方法对机器人和目标的运动轨迹以及目标运动模态进行估计的准确性和有效性.展开更多
We study the dynamics of the Jaynes-Cummings model within transformed rotating-wave approximation (TRWA). We analyze this model coupled to a dephasing reservoir, through the Lindblad formalism in the master equation...We study the dynamics of the Jaynes-Cummings model within transformed rotating-wave approximation (TRWA). We analyze this model coupled to a dephasing reservoir, through the Lindblad formalism in the master equation. Then, we examine the expectation value of the number operator. Finally, we investigate the validity of this model under dephasing using the Mandel parameter and the total number of quanta.展开更多
文摘为了解决机器人同时定位、地图构建和目标跟踪问题,提出了一种基于交互多模滤波(interacting multiple model filter,IMM)的方法.该方法将机器人状态、目标状态和环境特征状态作为整体来构成系统状态向量并利用全关联扩展式卡尔曼滤波算法对系统状态进行估计,由此随着迭代估计的进行,系统各对象状态之间将产生足够的相关性,这种相关性能够正确反映各对象状态估计间的依赖关系,因此提高了目标跟踪的准确性.该方法进一步和传统的IMM滤波算法相结合,从而解决了目标运动模式未知性问题,IMM方法的采用使系统在完成目标追踪的同时还能对其运动模态进行估计,进而提高了该算法对于机动目标的跟踪能力.仿真实验验证了该方法对机器人和目标的运动轨迹以及目标运动模态进行估计的准确性和有效性.
文摘We study the dynamics of the Jaynes-Cummings model within transformed rotating-wave approximation (TRWA). We analyze this model coupled to a dephasing reservoir, through the Lindblad formalism in the master equation. Then, we examine the expectation value of the number operator. Finally, we investigate the validity of this model under dephasing using the Mandel parameter and the total number of quanta.