提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)重...提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)重采样方法,以提高粒子的细化能力;最后结合普通重采样方法,提出一种改进的MCMC重采样的机器人定位算法,减少粒子匮乏效应的同时,提高了定位精度.实验结果表明,该算法较传统方法在计算复杂度、定位精度和鲁棒性方面都有显著提高.展开更多
载荷外推作为载荷谱编制的重要技术手段,当前研究缺乏对于载荷外推总体方法的全面梳理、马尔可夫稳态分布的求解方法适应性不够、缺乏不同非参频次外推方法的比较与选用原则,导致不便生成高精度载荷谱以支撑装备性能设计。围绕坦克在高...载荷外推作为载荷谱编制的重要技术手段,当前研究缺乏对于载荷外推总体方法的全面梳理、马尔可夫稳态分布的求解方法适应性不够、缺乏不同非参频次外推方法的比较与选用原则,导致不便生成高精度载荷谱以支撑装备性能设计。围绕坦克在高机动和极限工况下的载荷谱编制问题,基于某坦克行进间身管位移数据样本,分别使用基于雨流矩阵及核密度估计的非参数外推法、基于马尔可夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)的信号重构法以及Metropolis-Hastings(简称MH)直接采样法进行了载荷频次外推,并针对MCMC的信号重构法提出了一种改良马尔可夫稳态分布的求解方法。应用所提出的频次-极值相结合的载荷外推总体方法对坦克身管位移进行了频次扩充与极值预测,并结合实车试验结果验证了方法的准确性。研究结果表明:改良的马尔可夫稳态分布求解方法是有效的;在样本长度足够、外推精度要求不甚高的情况下,MH直接采样法可作为一种新的频次外推方法;运用频次-极值相结合的载荷外推总体方法所得结果精度较高;形成的频次外推法选用原则对于载荷谱编制过程中的方法选择具有一定的指导意义。研究工作为装备载荷谱的高质量编制提供了成熟的技术路线和参考。展开更多
This paper addresses the issues of channel estimation in a Multiple-Input/Multiple-Output (MIMO) system. Markov Chain Monte Carlo (MCMC) method is employed to jointly estimate the Channel State Information (CSI) and t...This paper addresses the issues of channel estimation in a Multiple-Input/Multiple-Output (MIMO) system. Markov Chain Monte Carlo (MCMC) method is employed to jointly estimate the Channel State Information (CSI) and the transmitted signals. The deduced algorithms can work well under circumstances of low Signal-to-Noise Ratio (SNR). Simulation results are presented to demonstrate their effectiveness.展开更多
介绍了基于贝叶斯理论的线性-非线性模型的反演方法(F-J方法),在理论上可以求出模型参数的概率分布,可以通过马尔可夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)采样估计参数值及其精度。为了评估F-J方法反演效果,给出了线性-非线性...介绍了基于贝叶斯理论的线性-非线性模型的反演方法(F-J方法),在理论上可以求出模型参数的概率分布,可以通过马尔可夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)采样估计参数值及其精度。为了评估F-J方法反演效果,给出了线性-非线性模型的最小二乘方法以及假设检验步骤。针对MCMC采样算法中参数的随机游走步长会影响最佳采样数量的问题,对采样算法作了改进,模拟数据算例表明,改进的采样算法基本消除了部分参数游走步长选取不合适对确定采样次数的影响,解决了随机游走采样难以确定最佳采样点数量的问题。展开更多
文摘提出一种基于粒子滤波器的机器人定位算法.首先利用一并行扩展卡尔曼滤波器作为粒子预测分布,将当前观测的部分信息融入,以改善滤波效果,减小所需粒子数;然后提出变密度函数边界的马尔可夫链蒙特卡洛(Markov chain Monte Carlo,MCMC)重采样方法,以提高粒子的细化能力;最后结合普通重采样方法,提出一种改进的MCMC重采样的机器人定位算法,减少粒子匮乏效应的同时,提高了定位精度.实验结果表明,该算法较传统方法在计算复杂度、定位精度和鲁棒性方面都有显著提高.
文摘载荷外推作为载荷谱编制的重要技术手段,当前研究缺乏对于载荷外推总体方法的全面梳理、马尔可夫稳态分布的求解方法适应性不够、缺乏不同非参频次外推方法的比较与选用原则,导致不便生成高精度载荷谱以支撑装备性能设计。围绕坦克在高机动和极限工况下的载荷谱编制问题,基于某坦克行进间身管位移数据样本,分别使用基于雨流矩阵及核密度估计的非参数外推法、基于马尔可夫链蒙特卡洛(Markov Chain Monte Carlo,MCMC)的信号重构法以及Metropolis-Hastings(简称MH)直接采样法进行了载荷频次外推,并针对MCMC的信号重构法提出了一种改良马尔可夫稳态分布的求解方法。应用所提出的频次-极值相结合的载荷外推总体方法对坦克身管位移进行了频次扩充与极值预测,并结合实车试验结果验证了方法的准确性。研究结果表明:改良的马尔可夫稳态分布求解方法是有效的;在样本长度足够、外推精度要求不甚高的情况下,MH直接采样法可作为一种新的频次外推方法;运用频次-极值相结合的载荷外推总体方法所得结果精度较高;形成的频次外推法选用原则对于载荷谱编制过程中的方法选择具有一定的指导意义。研究工作为装备载荷谱的高质量编制提供了成熟的技术路线和参考。
文摘This paper addresses the issues of channel estimation in a Multiple-Input/Multiple-Output (MIMO) system. Markov Chain Monte Carlo (MCMC) method is employed to jointly estimate the Channel State Information (CSI) and the transmitted signals. The deduced algorithms can work well under circumstances of low Signal-to-Noise Ratio (SNR). Simulation results are presented to demonstrate their effectiveness.
文摘介绍了基于贝叶斯理论的线性-非线性模型的反演方法(F-J方法),在理论上可以求出模型参数的概率分布,可以通过马尔可夫链蒙特卡洛(Markov chain Monte Carlo, MCMC)采样估计参数值及其精度。为了评估F-J方法反演效果,给出了线性-非线性模型的最小二乘方法以及假设检验步骤。针对MCMC采样算法中参数的随机游走步长会影响最佳采样数量的问题,对采样算法作了改进,模拟数据算例表明,改进的采样算法基本消除了部分参数游走步长选取不合适对确定采样次数的影响,解决了随机游走采样难以确定最佳采样点数量的问题。