首页
|
本学科首页
官方微博
|
高级检索
全部学科
医药、卫生
生物科学
工业技术
交通运输
航空、航天
环境科学、安全科学
自然科学总论
数理科学和化学
天文学、地球科学
农业科学
哲学、宗教
社会科学总论
政治、法律
军事
经济
历史、地理
语言、文字
文学
艺术
文化、科学、教育、体育
马列毛邓
全部专业
中文标题
英文标题
中文关键词
英文关键词
中文摘要
英文摘要
作者中文名
作者英文名
单位中文名
单位英文名
基金中文名
基金英文名
杂志中文名
杂志英文名
栏目中文名
栏目英文名
DOI
责任编辑
分类号
杂志ISSN号
动态数据的有界影响滤波
作者姓名:
周世健
作者单位:
武汉测绘科技大学
摘 要:
在动态数据处理中,使用卡尔曼滤波进行估计,且当实际模型与假设模型一致时,其估计为最优估计。但卡尔曼滤波有致命缺点,即当实际模型与假设模型存在差异(极端异常值,数据有较小的变化,模型设计产生干扰)时,其估计对模型差异尤为敏感,很难获得质量较好的估计。本文分析了模型差异的影响和估计并非最优的原因,根据稳健估计原理和新息增量过程,构造了有界影响(BLF)滤波。BLF滤波对异常值等不敏感,在理论上证明了BLF滤波有界函数的形成,给出了有界函数形式,可获得较好的估计结果。
关 键 词:
动态数据
Kalman滤波
有界影响滤波
抗扰性
本文献已被
CNKI
等数据库收录!
设为首页
|
免责声明
|
关于勤云
|
加入收藏
Copyright
©
北京勤云科技发展有限公司
京ICP备09084417号