1) modified gain extended Kalman filter
修正增益扩展Kalman滤波
2) MGEKF
修正增益扩展卡尔曼滤波
1.
The Modified Gain EKF(MGEKF)algorithm for passive localization of maneuvering target by single station is discussed.
在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波(MGEKF)算法,实现对机动目标进行定位与跟踪。
2.
The paper presents a single observer passive location algorithm which is based on azimuth and elevation angle and TDOA measurement and adds the changing rates of azimuth angle,meanwhile,introduces a filtering algorithm which is good for nonlinear system,modified gain extended Kalman filter(MGEKF) algorithm.
同时引入一种对非线性系统较好的滤波算法——修正增益扩展卡尔曼滤波(MGEKF)算法,与推广卡尔曼滤波器(EKF)相比,MGEKF能更好地解决量测模型非线性问题,滤波性能更好。
3.
The modified gain EKF(MGEKF)algorithm for passive localization of maneuvering target by single station is discussed.
在建立目标机动模型与测量方程的基础上,运用修正增益扩展卡尔曼滤波(MGEKF)算法,实现对机动目标进行定位与跟踪,讨论了其定位原理与算法,计算机仿真验证了该方法的正确性与有效性。
3) AMGEKF(Adaptive Modified Gain Extended Kalman Filter)
自适应修正增益的扩展卡尔曼滤波
4) MGEKF
修正增益的扩展卡尔曼滤波
1.
By establishing maneuvering target model and measurement formula,the location of maneuvering target is practicable with the MGEKF algorithms.
在建立目标机动模型与测量方程的基础上,运用修正增益的扩展卡尔曼滤波(MGEKF)算法,实现对机动目标进行定位与跟踪。
5) adaptive modified gain extended Kalman filter
自适应修正增益推广Kalman滤波器
6) Extended Kalman filter
扩展Kalman滤波
1.
The minimum meansquare values currently used in fault diagnosis can only get the static estimate values,and although the extended Kalman filter(EKF) can realize dynamic parameter estimation,yet for a nonlinear system,a single EKF does not exhibit good ability for either the normal process or the fault process.
如果采用最小二乘算法,参数估计是静态的,故障诊断延迟一般较大;采用单模型扩展Kalman滤波算法,虽然能够实现动态估计,但不能同时兼顾稳态过程和过渡过程(突发故障)的参数估计,导致误差较大。
2.
A novel learning algorithm for wavelet neural network based on Extended Kalman Filter is proposed to predict the deformation of structure.
提出一种新颖的用于变形预测的基于扩展Kalman滤波的小波神经网络学习算法,与BP算法相比,该方法具有更好的收敛率和学习能力,并通过实例计算证明了该方法具有较高的精度和较快的计算速度。
3.
A new learning algorithm for a multilayered neural network based on extended Kalman filter is proposed to predict the deformation of structure.
给出了一种用于变形预测的基于扩展Kalman滤波的神经网络学习算法,与BP算法相比,该方法具有更好的收敛率和学习能力。
补充资料：adaptive Kalman filter
分子式：
CAS号：
性质：在利用测量数据进行滤波的同时，不断地由滤波本身去判断系统的动态是否有变化，对模型参数和噪声统计特性进行估计和修正，以改进滤波设计，缩小滤波的实际误差。此种滤波方法将系统辨识与滤波估计有机地结合为一体。
CAS号：
性质：在利用测量数据进行滤波的同时，不断地由滤波本身去判断系统的动态是否有变化，对模型参数和噪声统计特性进行估计和修正，以改进滤波设计，缩小滤波的实际误差。此种滤波方法将系统辨识与滤波估计有机地结合为一体。
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