导读:本文包含了状态融合估计论文开题报告文献综述及选题提纲参考文献，主要关键词:车辆,状态估计,质心侧偏角,误差补偿
状态融合估计论文文献综述
陈特,陈龙,蔡英凤,徐兴,江浩斌[1]（2018）在《基于多模型迭代的车辆状态融合估计方法》一文中研究指出为了提高车辆行驶状态估计的可靠性,提出一种基于多模型观测器误差补偿与迭代的车辆状态融合估计方法。基于叁自由度车辆动力学模型设计了车辆状态强跟踪滤波估计算法;同时,根据四轮轮速耦合关系,考虑到数据扰动和病态矩阵的影响,设计了车辆状态的岭估计算法。为进一步提高估计系统的可靠性,提出了动力学模型观测器与运动学模型观测器补偿与迭代的估计方式,设计了模糊控制器,根据实时的质心侧偏角和滑移率的伪量测值,判断强跟踪滤波器和岭估计器估计结果所占权重,利用闭环估计系统的迭代与融合提高估计性能。仿真和道路实验结果表明,所提出的车辆状态融合估计方法能够兼顾强跟踪滤波算法与岭估计算法的优势,根据车辆纵向滑移和质心侧偏角动态调节强跟踪估计与岭估计结果的权重系数,从而在保证估计精度的同时提高了估计系统的多工况适应能力。(本文来源于《农业机械学报》期刊2018年06期）
杨旭升,张文安,陈博,俞立[2]（2014）在《非线性系统的分布式状态融合估计》一文中研究指出本文研究了非线性系统的分布式信息融合估计问题.基于扩展卡尔曼滤波(Extend Kalman Filter,EKF)和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)方法,提出了适用于非线性系统的信息形式多传感器分布式状态融合估计算法.所提出的分布式状态融合扩展信息滤波器(EIF)与集中式的状态融合扩展信息滤波器完全等价.最后,通过一个移动目标跟踪实例的仿真研究验证了所提出的非线性融合估计算法的精度高于各局部估计.(本文来源于《第叁十叁届中国控制会议论文集（E卷）》期刊2014-07-28）
章涛,吴仁彪,李月敏[3]（2013）在《单传感器多尺度状态融合估计算法》一文中研究指出该文在离散小波变换理论和动态多尺度系统理论的基础上,建立了一种基于单传感器的多尺度状态融合估计新算法。该方法利用离散小波变换,对Kalman滤波模型的状态方程和观测方程分别进行多尺度处理,构建多尺度Kalman滤波模型,充分利用状态估计和观测数据在不同尺度上的特征进行融合估计,获得了优于单尺度Kalman滤波及已有多尺度状态融合估计方法的处理效果。并利用Monte Carlo仿真验证该算法的有效性。(本文来源于《信号处理》期刊2013年08期）
刘唐兴,孙裔申,黄志良[4]（2011）在《基于最大熵的机动目标状态融合估计》一文中研究指出基于最大熵准则实现机动目标状态融合估计,针对聚类算法中隶属度计算与聚类中心耦合、类中心初始化不当的引入误差问题,提出向量解析方法解耦求解隶属度。仿真实验表明,该方法能避免聚类中心难选择问题,具有良好的估计精度。(本文来源于《指挥信息系统与技术》期刊2011年02期）
李雄杰[5]（2010）在《多传感器状态融合估计在雷达跟踪中的应用》一文中研究指出采用Carlson最优数据融合准则,将基于Kalman滤波的多传感器状态融合估计方法应用到雷达跟踪系统。仿真实验表明,多传感器Kalman滤波状态融合估计误差小于单传感器Kalman滤波得出的状态估计误差,验证了方法对雷达跟踪的有效性。(本文来源于《微型机与应用》期刊2010年19期）
邱爱兵,文成林,姜斌[6]（2010）在《基于异步多传感器采样量测的最优状态融合估计》一文中研究指出针对一类异步多传感器采样系统,在对量测方程形式统一描述的基础上,给出以采样量测顺序为基准的序贯滤波算法的基本思想;为了避免现有右同步提升技术所可能引发的系统非因果这一重要问题,选择将融合周期内所有异步采样量测进行左同步提升,并发展了一种集中式最优状态融合估计算法,同时从理论上严格证明了基于左、右同步提升技术的融合估计算法在精度上的等价性;将叁种融合估计算法对两个多速率采样系统进行仿真比较,在验证叁种算法估计精度相同的同时,还对叁种算法计算代价进行了分析和比较.相关结论对异步多传感器各最优状态估计融合算法的实际应用具有一定指导意义.(本文来源于《电子学报》期刊2010年07期）
邓奎彪,秦超英,张在利[7]（2009）在《量测噪声相关条件情况下的多传感器状态融合估计》一文中研究指出对于量测噪声相关的多传感器系统,采用Cholesky分解和单位下叁角阵的求逆方法,将其转化为量测噪声互不相关的等价模型,从而可以直接利用现有的融合算法进行状态融合,由此给出了量测噪声相关情况下多传感器的状态融合算法。该算法和已有的算法相比具有两大优点,该算法不仅考虑了量测噪声相关而且简单可行,而且该算法和已有的算法相比更具有一般性,对于有特征值相同的情形同样适用。数值仿真结果表明了该算法的有效性。(本文来源于《计算机工程与设计》期刊2009年18期）
王炯琦,周海银,赵德勇,吴翊[8]（2008）在《非标准多传感器信息融合下的状态融合估计》一文中研究指出给出了标准多传感器观测信息的统一融合模型,在此基础上分析了传感器观测系统参数对最优融合估计性能的影响。针对存在量测系统误差的非标准多传感器融合系统,构建了一种有效的系统误差参数估计模型。此外对传感器间具有不同非线性误差成份的融合系统,提出了一种基于互迭代自适应半参数的状态融合估计算法。该算法通过对非标准多传感器融合模型误差的补偿,利用线性和非线性迭代的方法来提取非线性因素,进而确定状态的最优融合估计。给出了应用该算法的具体步骤,并通过理论分析与仿真实验证明了该算法的有效性。(本文来源于《系统工程与电子技术》期刊2008年08期）
闫莉萍,刘宝生,周东华,文成林[9]（2007）在《一类多速率多传感器系统的状态融合估计算法》一文中研究指出基于不同传感器以不同采样率对同一目标状态进行观测的多传感器单模型动态系统,该文提出了一种状态融合估计算法。不同传感器之间采样率之比可以是正有理数。该算法不仅具有好的实时性,而且在线性最小方差意义下是最优的。进一步可以证明:融合多个传感器获得的最高采样率下状态的估计值优于单传感器的估计结果,而减少任何一个传感器的信息所获得的估计值的误差协方差都将增大。仿真结果验证了算法的可行性与有效性。(本文来源于《电子与信息学报》期刊2007年02期）
张希彬[10]（2006）在《信息融合中状态融合估计算法研究》一文中研究指出随着科学技术的发展和现代战争的需要，信息融合作为一门新兴交叉学科在近年来得到了广泛关注和飞速发展。在多传感器信息融合系统中，位置级融合是最重要和应用最多的一级，关联和融合是其两大任务。 本文主要研究了信息融合中位置级融合的状态估计问题，在目标检测、数据校准和关联已完成的假设下，对已有的融合结构模型及算法进行改进，得到了新的模型和算法。首先在滤波及预报估计的基础上，利用矩阵加权线性最小方差准则，给出了多传感器信息融合最优固定区间平滑器、固定点平滑器和固定滞后平滑器算法，并进行了数值仿真；其次研究了传感器系统中不可避免的问题即非标准系统，给出了相应的含无序量测系统的状态估计更新算法；在此基础上，进一步研究了含无序量测的多传感器系统，提出了两种状态融合估计算法。本文还对所提出的算法进行了简要的理论分析，并通过数值仿真说明了这些算法的可行性及有效性。最后，简要介绍了神经网络技术在信息融合中的应用，对进一步的研究进行了展望。(本文来源于《西北工业大学》期刊2006-03-01）
状态融合估计论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
本文研究了非线性系统的分布式信息融合估计问题.基于扩展卡尔曼滤波(Extend Kalman Filter,EKF)和无迹卡尔曼滤波(Unscented Kalman Filter,UKF)方法,提出了适用于非线性系统的信息形式多传感器分布式状态融合估计算法.所提出的分布式状态融合扩展信息滤波器(EIF)与集中式的状态融合扩展信息滤波器完全等价.最后,通过一个移动目标跟踪实例的仿真研究验证了所提出的非线性融合估计算法的精度高于各局部估计.
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
状态融合估计论文参考文献
[1].陈特,陈龙,蔡英凤,徐兴,江浩斌.基于多模型迭代的车辆状态融合估计方法[J].农业机械学报.2018
[2].杨旭升,张文安,陈博,俞立.非线性系统的分布式状态融合估计[C].第叁十叁届中国控制会议论文集（E卷）.2014
[3].章涛,吴仁彪,李月敏.单传感器多尺度状态融合估计算法[J].信号处理.2013
[4].刘唐兴,孙裔申,黄志良.基于最大熵的机动目标状态融合估计[J].指挥信息系统与技术.2011
[5].李雄杰.多传感器状态融合估计在雷达跟踪中的应用[J].微型机与应用.2010
[6].邱爱兵,文成林,姜斌.基于异步多传感器采样量测的最优状态融合估计[J].电子学报.2010
[7].邓奎彪,秦超英,张在利.量测噪声相关条件情况下的多传感器状态融合估计[J].计算机工程与设计.2009
[8].王炯琦,周海银,赵德勇,吴翊.非标准多传感器信息融合下的状态融合估计[J].系统工程与电子技术.2008
[9].闫莉萍,刘宝生,周东华,文成林.一类多速率多传感器系统的状态融合估计算法[J].电子与信息学报.2007
[10].张希彬.信息融合中状态融合估计算法研究[D].西北工业大学.2006