排序方式： 共有2条查询结果，搜索用时 15 毫秒
1
1.
针对基于高斯滤波的重要性采样方法运算量的明显增加主要集中在使用高斯滤波生成更好的重要性密度函数的问题,提出了一种新的高斯衍生粒子滤波算法(GDPF).该算法将一种类似光子衍射的粒子衍生重要性采样方法与现有的高斯辅助粒子滤波算法(GAPF)相结合,通过粒子的扩张与收缩,在保证不减少参与状态估计的粒子数的条件下减少更新粒子数,根据粒子权值大小自适应地调整衍生粒子数,能很好地缓解精度与运算量之间的矛盾,抑制粒子退化等问题.对衍生粒子进行理论分析,证明了其与高斯采样粒子的等效性.仿真结果表明,当选取了相同的参与状态估计的粒子数时,所提算法保持了与原算法相当的估计精度,同时运算量大大降低. 相似文献
2.
常规灰色关联分析应用于仿真模型验证时,仅考虑了时间序列之间的相似性,忽略了时间序列之间的接近性,但这种接近却属于仿真模型的误差范畴,因此使用常规灰色关联分析进行仿真模型验证存在一定的风险,针对这一问题,提出了一种加权阵灰色关联度模型,综合了时间序列之间的相近性和相似性两个方面,因此提高了模型验证的准确性和可靠性.同时该模型可以同时处理具有多个特征行为的关联分析问题.给出了具体的基于加权灰色关联分析的模型验证的操作过程,并证明了改进模型满足灰色关联四定理.通过实例分析验证了改进模型的合理性和有效性. 相似文献
1