期刊导航
期刊开放获取
唐山市科学技术情报研究..
退出
期刊文献
+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
检索
高级检索
期刊导航
共找到
3
篇文章
<
1
>
每页显示
20
50
100
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
显示方式:
文摘
详细
列表
相关度排序
被引量排序
时效性排序
平方根求积分卡尔曼滤波器
被引量:
20
1
作者
巫春玲
韩崇昭
《电子学报》
EI
CAS
CSCD
北大核心
2009年第5期987-992,共6页
针对具有加性噪声的非线性高斯动态系统的状态估计问题,本文提出一种近似递归的高斯滤波器:平方根求积分卡尔曼滤波器(SRQKF).该滤波器是在求积分卡尔曼滤波器(QKF)基础上的平方根实现形式,使用统计线性回归的方法,通过一套参数化高斯...
针对具有加性噪声的非线性高斯动态系统的状态估计问题,本文提出一种近似递归的高斯滤波器:平方根求积分卡尔曼滤波器(SRQKF).该滤波器是在求积分卡尔曼滤波器(QKF)基础上的平方根实现形式,使用统计线性回归的方法,通过一套参数化高斯密度的高斯-厄米特积分点来线性化非线性函数的;滤波器采用平方根的实现方法,不仅增强了数值的鲁棒性,确保了状态协方差矩阵的半正定性,而且在一定程度上提高了滤波精度.仿真实验表明,SRQKF的滤波精度比QKF提高约12%,且均高于无味滤波器(UF)和扩展卡尔曼滤波器(EKF),但这二者的计算复杂度均比UF和EKF大.对滤波精度要求比较高的非线性场合,新滤波器是一种很有效的非线性滤波算法.
展开更多
关键词
高斯-厄米特
积分
点
统计线性回归
无味
滤波器
求积分卡尔曼滤波器
在线阅读
下载PDF
职称材料
观测域求积分卡尔曼滤波的机载无源定位算法
被引量:
6
2
作者
刘学
焦淑红
司锡才
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2011年第5期137-142,共6页
针对机载无源定位系统中存在滤波稳定性差、收敛速度慢、定位精度差等问题,提出一种观测域平方根求积分卡尔曼滤波算法.新算法兼顾了观测域滤波和平方根求积分卡尔曼滤波的优点,将状态矢量中的各个分量自动解耦,分离了可观测项和不可观...
针对机载无源定位系统中存在滤波稳定性差、收敛速度慢、定位精度差等问题,提出一种观测域平方根求积分卡尔曼滤波算法.新算法兼顾了观测域滤波和平方根求积分卡尔曼滤波的优点,将状态矢量中的各个分量自动解耦,分离了可观测项和不可观测项;通过采用Gaussian-Hermit积分规则提高了非线性变换后随机变量参数的估计精度,有效地降低了状态域与观测域之间转换时存在的高阶误差;使用误差协方差阵的平方根代替协方差阵参与递推滤波,在保证数值稳定性的同时提高了算法的运行效率.计算机仿真表明:新算法提高了滤波稳定性、收敛速度和定位精度.
展开更多
关键词
机载无源定位
观测域
滤波
求积分卡尔曼滤波器
Gaussian-Hermit
积分
规则
在线阅读
下载PDF
职称材料
基于QKF的隧道电力工程车辆锂电池SOC估计算法
被引量:
2
3
作者
孙增田
陈毅
+1 位作者
巫春玲
巨永锋
《电子设计工程》
2021年第12期108-111,116,共5页
针对隧道电力工程车辆的电池荷电状态(SOC)估计问题,提出一种新的非线性滤波算法-求积分卡尔曼滤波器(QKF),用于对SOC的估计。QKF使用统计线性回归的方法,通过一套参数化高斯密度的高斯-厄米特积分点来线性化非线性函数,该算法的数值鲁...
针对隧道电力工程车辆的电池荷电状态(SOC)估计问题,提出一种新的非线性滤波算法-求积分卡尔曼滤波器(QKF),用于对SOC的估计。QKF使用统计线性回归的方法,通过一套参数化高斯密度的高斯-厄米特积分点来线性化非线性函数,该算法的数值鲁棒性高,估计精度高。运用二阶等效电路模型对锂离子电池进行建模,构建模型的状态空间方程后,运用QKF算法对电池的SOC进行估计。仿真实验表明,QKF对SOC的估计误差很小,低于1%,表明QKF算法是一种很好的估计电池SOC的方法,具有较高的精确度。
展开更多
关键词
电力工程车辆
统计线性回归
荷电状态
求积分卡尔曼滤波器
在线阅读
下载PDF
职称材料
题名
平方根求积分卡尔曼滤波器
被引量:
20
1
作者
巫春玲
韩崇昭
机构
西安交通大学电子与信息工程学院
出处
《电子学报》
EI
CAS
CSCD
北大核心
2009年第5期987-992,共6页
基金
国家973重点基础研究发展计划(No.2007CB311006)
国家自然科学基金(No.60574033)
文摘
针对具有加性噪声的非线性高斯动态系统的状态估计问题,本文提出一种近似递归的高斯滤波器:平方根求积分卡尔曼滤波器(SRQKF).该滤波器是在求积分卡尔曼滤波器(QKF)基础上的平方根实现形式,使用统计线性回归的方法,通过一套参数化高斯密度的高斯-厄米特积分点来线性化非线性函数的;滤波器采用平方根的实现方法,不仅增强了数值的鲁棒性,确保了状态协方差矩阵的半正定性,而且在一定程度上提高了滤波精度.仿真实验表明,SRQKF的滤波精度比QKF提高约12%,且均高于无味滤波器(UF)和扩展卡尔曼滤波器(EKF),但这二者的计算复杂度均比UF和EKF大.对滤波精度要求比较高的非线性场合,新滤波器是一种很有效的非线性滤波算法.
关键词
高斯-厄米特
积分
点
统计线性回归
无味
滤波器
求积分卡尔曼滤波器
Keywords
Gauss-Hennite quadrature point
statistical linear regression
unscented filter
quadrature Kalman filter
分类号
TP391 [自动化与计算机技术—计算机应用技术]
在线阅读
下载PDF
职称材料
题名
观测域求积分卡尔曼滤波的机载无源定位算法
被引量:
6
2
作者
刘学
焦淑红
司锡才
机构
哈尔滨工程大学信息与通信工程学院
中国人民解放军
出处
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2011年第5期137-142,共6页
基金
国家"973计划"资助项目(61393010101-1)
国防基础科研基金资助项目(K1503060217)
文摘
针对机载无源定位系统中存在滤波稳定性差、收敛速度慢、定位精度差等问题,提出一种观测域平方根求积分卡尔曼滤波算法.新算法兼顾了观测域滤波和平方根求积分卡尔曼滤波的优点,将状态矢量中的各个分量自动解耦,分离了可观测项和不可观测项;通过采用Gaussian-Hermit积分规则提高了非线性变换后随机变量参数的估计精度,有效地降低了状态域与观测域之间转换时存在的高阶误差;使用误差协方差阵的平方根代替协方差阵参与递推滤波,在保证数值稳定性的同时提高了算法的运行效率.计算机仿真表明:新算法提高了滤波稳定性、收敛速度和定位精度.
关键词
机载无源定位
观测域
滤波
求积分卡尔曼滤波器
Gaussian-Hermit
积分
规则
Keywords
airborne passive location
measure space filtering
quadrature Kalman filter
Gaussian-Hermite quadrature rule
分类号
TN957.51 [电子电信—信号与信息处理]
在线阅读
下载PDF
职称材料
题名
基于QKF的隧道电力工程车辆锂电池SOC估计算法
被引量:
2
3
作者
孙增田
陈毅
巫春玲
巨永锋
机构
广州地铁设计研究院股份有限公司
中交一公局第六工程有限公司
长安大学电子与控制工程学院
出处
《电子设计工程》
2021年第12期108-111,116,共5页
文摘
针对隧道电力工程车辆的电池荷电状态(SOC)估计问题,提出一种新的非线性滤波算法-求积分卡尔曼滤波器(QKF),用于对SOC的估计。QKF使用统计线性回归的方法,通过一套参数化高斯密度的高斯-厄米特积分点来线性化非线性函数,该算法的数值鲁棒性高,估计精度高。运用二阶等效电路模型对锂离子电池进行建模,构建模型的状态空间方程后,运用QKF算法对电池的SOC进行估计。仿真实验表明,QKF对SOC的估计误差很小,低于1%,表明QKF算法是一种很好的估计电池SOC的方法,具有较高的精确度。
关键词
电力工程车辆
统计线性回归
荷电状态
求积分卡尔曼滤波器
Keywords
electric power engineering vehicle
statistical linear regression
state of charge
Quadrature Kalman Filter
分类号
TN108.4 [电子电信—物理电子学]
在线阅读
下载PDF
职称材料
题名
作者
出处
发文年
被引量
操作
1
平方根求积分卡尔曼滤波器
巫春玲
韩崇昭
《电子学报》
EI
CAS
CSCD
北大核心
2009
20
在线阅读
下载PDF
职称材料
2
观测域求积分卡尔曼滤波的机载无源定位算法
刘学
焦淑红
司锡才
《西安交通大学学报》
EI
CAS
CSCD
北大核心
2011
6
在线阅读
下载PDF
职称材料
3
基于QKF的隧道电力工程车辆锂电池SOC估计算法
孙增田
陈毅
巫春玲
巨永锋
《电子设计工程》
2021
2
在线阅读
下载PDF
职称材料
已选择
0
条
导出题录
引用分析
参考文献
引证文献
统计分析
检索结果
已选文献
上一页
1
下一页
到第
页
确定
用户登录
登录
IP登录
使用帮助
返回顶部