1) unscented Kalman filter
无偏卡尔曼滤波器
1.
Because nonlinear model need to be linearized when using extended Kalman filter(EKF),but the gas pipelines model is a severely nonlinear model,a method for leaking detection and location of gas pipelines based on unscented Kalman filter(UKF)was presented.
针对扩展卡尔曼滤波器(EKF)对非线性模型进行状态估计时,需要将非线性模型进行线性化,而天然气管道模型的非线性程度十分严重的情况,提出一种基于无偏卡尔曼滤波器(UKF)估计的管道泄漏检测与定位方法。
2) dual unscented Kalman filter
双无轨迹卡尔曼滤波器
4) unscented Kalman filter
无味卡尔曼滤波器
1.
By analyzing the error of unscented Kalman filter(UKF),the iterated UKF(IUKF) algorithm is proposed.
通过对无味卡尔曼滤波器(Unscented Kalman filter,UKF)的误差进行分析,提出了迭代UKF(IUKF)算法。
5) unscented Kalman filter
无味卡尔曼滤波
1.
Then we studied the tracking problem of multiple maneuvering targets by using the combination of interacting multi-model and unscented Kalman filter algorithm.
在此基础上,采用交互式多模型算法和无味卡尔曼滤波相结合的方法研究了多机动目标的跟踪问题。
2.
Unscented Kalman filter was chosen as the relative navigation filter.
首先建立了适用于目标航天器运行在椭圆轨道上的二阶状态方程;分析了2个航天器间的量测几何关系并得到量测方程;采用适用于处理复杂非线性模型的无味卡尔曼滤波器进行相对导航计算。
3.
The unscented Kalman filter(UKF) is applied to the radar registration and a new algorithm for the multi-radar azimuth registration is presented.
将无味卡尔曼滤波(U nscen ted K a lm an filter,UKF)应用于雷达配准,提出一种新的多雷达方位配准算法。
6) unscented kalman filtering
无味卡尔曼滤波
1.
The problem of target motion analysis based on bearing and Doppler measurements(BDO-TMA)is studied contrastively by means of unscented kalman filtering(UKF)and extended kalman filtering(EKF)algorithms.
针对空对海单站无源只测方位-多普勒目标运动分析(BDO-TMA)问题应用无味卡尔曼滤波(UKF:Unscented Kalman Filtering)和EKF进行了对照研究,建立了该应用场景下的离散非线性滤波估计模型,Monte Carlo仿真运行结果表明,UKF在该应用背景下是切实可行的,具有更高的估计精度和更强的收敛特性。
2.
Simulation study based on unscented kalman filtering for the impact of data rate in the bearing-only target motion analysis;
应用无味卡尔曼滤波(UKF)来解决只测方位目标运动分析(BO-TMA)问题,研究了其中数据率因素的实际影响。
补充资料：卡尔曼滤波器
分子式：
CAS号：
性质：它是随机系统中一种最著名的最优状态估计器。估计的要求是滤去随机分量使状态估计值x与真实状态值x尽量接近。其结构与状态估计器相似，由模型输出估计值y与实测输出相比较所得的误差，通过校正矩阵来对状态估计值x进行在线校正。但因卡尔曼滤波器的目标函数是状态估计值和真实值误差的二次型函数，从而可求得其最优估计的校正矩阵。
CAS号：
性质：它是随机系统中一种最著名的最优状态估计器。估计的要求是滤去随机分量使状态估计值x与真实状态值x尽量接近。其结构与状态估计器相似，由模型输出估计值y与实测输出相比较所得的误差，通过校正矩阵来对状态估计值x进行在线校正。但因卡尔曼滤波器的目标函数是状态估计值和真实值误差的二次型函数，从而可求得其最优估计的校正矩阵。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条