提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
声明:以下为作者自己学习整理的内容,分享出来只是为了与更多的人学习交流,如有任何问题可以在评论区或通过私信与我沟通,我将在第一时间回复大家,感谢各位花时间阅读我写的文章。
1.主要内容
该论文是一篇关于非线性贝叶斯估计(量测噪声背景下)使用高斯和近似的学术论文,由Alspach和Sorenson在1972年发表在IEEE Transactions on Automatic Control上。以下是该论文的核心内容概述:
问题介绍:文章讨论了从带噪声的测量数据中估计非线性随机系统状态的问题。尽管过去几十年对此问题有大量研究,但目前还没有找到一个可以直接应用于特定应用的解决方案。Kalman滤波器方程原本是为线性高斯系统设计的,但现在也被广泛用于非线性非高斯系统。
非线性估计问题:文章强调了确定状态的条件概率密度函数的重要性。如果已知这个后验密度函数,就可以根据任何性能准则来确定状态的估计值。然而,除了线性高斯情况外,这个密度函数通常很难确定。
高斯和近似:文章提出了一种近似方法,允许从贝叶斯递归关系中显式计算后验密度。特别指出,可以通过加权高斯概率密度函数的和来近似任意密度函数。这种表示为后续开发的方法提供了基础。
高斯和滤波器:文章详细讨论了如何利用高斯和表示来解决非线性系统的滤波问题。这种方法涉及将非线性系统线性化,并应用Kalman滤波器方程。文章还讨论了在存在大量植物噪声(plant noise,可以理解为由系统内部原因引起的量测误差&#x