Bayes条件下非线性模型的参数置信域的曲率表示

给出了Bayes条件下非线性模型的参数估计,建立了该模型的几何结构,推广了Bates&Wates关于非线性回归模型的几何框架,在此基础上,用几何方法探讨了关于参数与子集参数置信域的曲率表示.

有限总体中的条件最优线性无偏预测

研究了有限总体中的预测问题 ,给出了条件线性无偏预测的定义 ,并得到了唯一条件最优线性无偏预测函数。

船舶航行非线性规避碍航物航线方法研究

传统的航行船舶规避碍航物航线预估方法针对范围小,对于碍航物小目标预估准确率低或遗漏小目标,不利于航行船舶的安全。针对上述问题,提出了基于非线性条件模型的航行船舶规避碍航物航行航线预估方法。根据航行船舶规避碍航物预估具有非线性的特性,首先构建航行船舶规避碍航物航行航线非线性条件下初始模型,根据条件模型变量之间的关系,定义规避碍航物条件模型;然后对规避碍航物非线性条件模型进行规避碍航物航行航线程序计算;最后通过实验验证的数据分析,进一步证明了该研究方法能够提高对范围小、碍航物小目标的预估准确率,防止遗漏小目标,对保障航行船舶安全具有较强的现实意义。

边缘化迭代容积卡尔曼滤波的单站无源定位算法

针对单站无源定位可观测性弱、观测噪声大而导致的定位精度低、收敛速度慢等问题,提出了一种边缘化迭代容积卡尔曼滤波算法。该算法采用基于似然增加的迭代策略,不需要设置判决门限,且保证了算法的全局收敛性。同时,其充分考虑状态向量与观测噪声之间的互协方差,将状态向量扩维,构造条件线性模型并进行边缘化滤波,不仅提高了算法的定位精度以及收敛速度,还减少了扩维后所需的采样点,提高了算法的运算效率。仿真结果表明,新算法改善了单站无源定位的定位精度以及收敛速度。

Cubature卡尔曼滤波-卡尔曼滤波算法

针对条件线性高斯状态空间模型,提出cubature卡尔曼滤波-卡尔曼滤波算法(CKF-KF),分别应用CKF和KF估计模型中的非线性和线性状态.该算法对非线性与线性状态均进行cubature采样,并将两种样本通过线性方程和量测方程进行传播,以获得非线性状态估计.机动目标跟踪仿真结果表明,CKF-KF的估计精度比Rao-Blackwellized粒子滤波器(RBPF)略低,但算法运行时间不到其1%;与无迹卡尔曼滤波器(UKF-KF)相比,估计精度相当,但算法运行时间降低了22%,有效地提高了实时性.