1) the prior importance function
先验重要密度函数
1.
It is shown through simulations that the performance of a hybrid importance function is better than that of the prior importance function whether in Gaussian noise or in non-Gaussian noise.
当重要函数分别选取先验重要密度函数和混合重要密度函数时,对于平坦瑞利衰落信道下粒子滤波算法,仿真试验结果表明,无论是在高斯噪声还是非高斯噪声环境中,混合重要密度函数要优于先验重要密度函数。
2) the importance density function
重要性密度函数
1.
Because the IEKF can acquire a maximum a posteriori(MAP) estimate of the nonlinear system,and the importance density function integrates the latest observation into system state transition density,so the proposal distribution can approximate the posterior distribution reasonably well.
该方法利用迭代扩展卡尔曼滤波的最大后验概率估计产生粒子滤波的重要性密度函数,使重要性密度函数能够融入最新观测信息的同时,更加符合真实状态的后验概率分布。
3) importance density function
重要性密度函数
1.
The main idea uses the system state transition matrix and the error covariance matrix which are gained from the IEKF and the sequential fusion to construct the importance density function of the particle filter.
针对粒子滤波中得到优化的重要性密度函数比较困难的问题,将迭代扩展卡尔曼滤波和序贯融合与粒子滤波相结合,应于雷达和红外多传感器目标融合跟踪。
2.
The choice of importance density function is very important for the particle filtering.
重要性密度函数的选择对粒子滤波至关重要,围绕重要性密度函数的选择,已提出许多改进粒子滤波算法,典型的有扩展卡尔曼粒子滤波(EPF),不敏卡尔曼粒子滤波(UPF)、辅助粒子滤波(APF)及正则化粒子滤波(RPF)。
3.
The new algorithm uses the quadrature Kalman filter(QKF) to generate the importance density function,and linearizes the nonlinear functions using the statistical linear regression method through a set of Gaussian-Hermite quadrature points.
针对非线性/非高斯系统的状态估计问题,提出一种采用求积分卡尔曼滤波(QKF)算法来产生重要性密度函数的粒子滤波新算法——PF-QKF算法。
4) the hybrid importance function
混合重要密度函数
5) directional importance sampling density function
方向重要抽样密度函数
6) Importance proposal distribution
重要性采样概率密度函数
补充资料：密度函数
分子式：
CAS号：
性质： q个电子密度函数定义为：它表示在四维空间中，任意q个电子在处的q个小体积元中，各有一个电子同时出现而不管其余N-q个电子在何处出现时的概率密度。利用它可计算全对称坐标函数F平均值，若则<F>=
CAS号：
性质： q个电子密度函数定义为：它表示在四维空间中，任意q个电子在处的q个小体积元中，各有一个电子同时出现而不管其余N-q个电子在何处出现时的概率密度。利用它可计算全对称坐标函数F平均值，若则<F>=
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