1) UKF algorithm
UKF算法
1.
To consider the problem of non-linear UKF filtering under the circumstance of unknown covariance statistic of the measurement noise,a fussy adaptive UKF algorithm was presented based on the generic FLAC.
针对量测噪声方差统计值未知的非线性UKF(Unscented Kalman Filter)滤波问题,提出了一种基于通用FLAC(FussyLogic Adaptive Controller)的模糊自适应UKF算法。
2.
UKF algorithm and Extended Kalman Filter(EKF) algorithm were compared from views in precision,convergence,computation,etc.
针对这一具体问题,选用UKF算法这一较新的非线性估计方法对目标的盘旋运动进行跟踪,此外,还从精度、收敛性、计算量等方面对UKF算法与EKF算法进行了比较。
3.
The UKF algorithm is introduced to the error model identification of inertial navigation platform.
针对系统模型的特点,对标准UKF算法进行了简化改进。
2) CS-UKF algorithm
CS-UKF算法
1.
In view of the unreasonableness that the value of parameter α is set artificially in the current statistical model,a nonlinear current statistical model and CS-UKF algorithm to estimate the state and α adaptively are proposed.
针对"当前"统计模型中人为设定时间常数的倒数α值的不合理性,对机动参数α进行建模,并基于粒子滤波的思想,结合UKF滤波算法给出适用于强机动目标跟踪的CS-UKF算法。
3) UKF-Singer algorithm
UKF-Singer算法
1.
The UKF-Singer algorithm uses a lot of sigma points approaching the status of the system and adopts the UT transformation to get the status equation based.
UKF-Singer算法通过设计逼近系统状态的分布sigma点,采用UT变换,最后获得滤波值基于状态方程的更新,有效解决了传统Singer模型存在的问题,提高了其跟踪精度。
4) SR-UKF algorithm
SR-UKF算法
1.
This paper introduces a new method using phase difference rate and SR-UKF algorithm.
该文提出利用相位变化率和SR-UKF算法相结合的方案,有效克服了上述问题,大大提高了跟踪的速度和精度,滤波器的稳定性也得到增强,跟踪性能得到提高,其有效性通过仿真得到了证明。
6) unscented Kalman filter
UKF
1.
Unscented particle filter(PF) is a new particle filtering method based on unscented Kalman filter and particle filter method,and can effectively cope with complicated nonlinear and non-Gaussian problems.
该算法结合UKF(unscentedKalman filter)和PF算法,利用UKF对非线性系统的处理能力,用UKF得到粒子滤波的重要性采样密度函数,从而克服了PF没有考虑最新量测信息和UKF只能应用于噪声为高斯分布的不足。
2.
The algorithm adopts a new proposal distribution combining the unscented Kalman filter(UKF) with the adaptive strong tracking filter(STF).
该算法采用一种新提议分布,即将UKF(Unscented Kalman Filter)与自适应强跟踪滤波器(STF)相结合。
3.
The UKF(unscented Kalman filter)is applied to the AUV integrated navigation.
文中将UKF(UnscentedKalmanFilter)滤波技术应用于AUV组合导航,并把UKF与传统的DR和EKF(ExtendedKalmanfilter)方法进行了仿真比较研究。
补充资料：BP算法
分子式：
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
CAS号：
性质：又称逆推学习算法，简称BP算法，是1986年鲁梅哈特(D. E. Rumelhart)和麦克莱朗德(J. L. McClelland)提出来的。用样本数据训练人工神经网络(一种模仿人脑的信息处理系统)，它自动地将实际输出值和期望值进行比较，得到误差信号，再根据误差信号从后(输出层)向前(输入层)逐层反传，调节各神经层神经元之间的连接权重，直至误差减至满足要求为止。反向传播算法的主要特征是中间层能对输出层反传过来的误差进行学习。这种算法不能保证训练期间实现全局误差最小，但可以实现局部误差最小。BP算法在图像处理、语音处理、优化等领域得到应用。
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