1) importance function
重要函数
1.
Because the choice of the importance function in SMC method has an effect on system performance, a new symbol detector is presented in this paper.
由于在序列蒙特卡罗方法中重要函数的选择直接会影响系统性能,针对这一问题,提出了一种新的混合重要函数,较大幅度提高了衰落信道下传输符号的检测水平,仿真结果也证实了这种新检测器的有效性。
2) importance function
重要性函数
1.
The principle of Recursive Bayesian estimation was introduced which was the basis of Particle filter, and the significance of importance function to the design of particle filter was illustrated.
介绍了作为粒子滤波理论基础的递推贝叶斯估计的基本概念,说明了重要性函数对于粒子滤波器的设计是至关重要的。
2.
By adopting both p(Xkzk) and p(XkXk-1) as importance functions and sampling from them,the global localization and kidnapped problems are figured out efficiently.
针对当出现一些未建模的机器人运动时(如碰撞或者绑架问题),以小采样数目实现常规Monte Carlo方法难以解决的问题,提出一种新的Monte Carlo定位算法,该算法同时采用p(Xkzk)与p(XkXk-1)作为重要性函数并从中进行采样,避免了采样集不包含真实位姿采样的情况,能够有效地解决全局定位与绑架问题。
3) 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。
4) level importance function
水平重要性函数
1.
By applying the distance of plane R 2 and level importance function g(λ),the paper introduces the uniform D d metric D [sg] on fuzzy number space E 1,and show that(E 1,D [sg] )is metric space if and only if g(λ)≠0 almost everywhere on [0,1].
基于平面 R2上的距离及水平重要性函数 ,在 Fuzzy数空间 E1上建立了一致Gd-度量 D[sg] ,讨论了 D[sg] 的基本性质及完备性问题。
5) Optimal Importance Function
最佳重要函数
6) 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。
补充资料：高斯函数模拟斯莱特函数
尽管斯莱特函数作为基函数在原子和分子的自洽场（SCF）计算中表现良好，但在较大分子的SCF计算中，多中心双电子积分计算极为复杂和耗时。使用高斯函数(GTO)则可使计算大大简化,但高斯函数远不如斯莱特函数(STO)更接近原子轨道的真实图象。为了兼具两者之优点，避两者之短,考虑到高斯函数是完备函数集合,可将STO向GTO展开：
式中X(ζS,A,nS,l,m)定义为在核A上，轨道指数为ζS，量子数为nS、l、m 的STO；g是GTO：
其变量与STO有相似的定义；Ngi是归一化常数：
rA是空间点相对于核A的距离;ci是组合系数；K是用以模拟STO的GTO个数（理论上，K→∞，但实践证明K只要取几个，便有很好的精确度）。
ci和ζ在固定K值下, 通过对原子或分子的 SCF能量计算加以优化。先优化出 ζS＝1 时固定K值的ci和(i＝1,2,...,K)，然后利用标度关系式便可得出ζS的STO展开式中每一个GTO的轨道指数，而且，ci不依赖于ζS,因而ζS＝1时的展开系数就是具有任意ζS的STO的展开系数。对不同展开长度下的展开系数和 GTO轨道指数已有表可查。
式中X(ζS,A,nS,l,m)定义为在核A上，轨道指数为ζS，量子数为nS、l、m 的STO；g是GTO：
其变量与STO有相似的定义；Ngi是归一化常数：
rA是空间点相对于核A的距离;ci是组合系数；K是用以模拟STO的GTO个数（理论上，K→∞，但实践证明K只要取几个，便有很好的精确度）。
ci和ζ在固定K值下, 通过对原子或分子的 SCF能量计算加以优化。先优化出 ζS＝1 时固定K值的ci和(i＝1,2,...,K)，然后利用标度关系式便可得出ζS的STO展开式中每一个GTO的轨道指数，而且，ci不依赖于ζS,因而ζS＝1时的展开系数就是具有任意ζS的STO的展开系数。对不同展开长度下的展开系数和 GTO轨道指数已有表可查。
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