CASIA OpenIR  > 学术期刊  > 自动化学报
基于改进高斯混合模型的机器人运动状态估计
葛泉波; 王贺彬; 杨秦敏; 张兴国; 刘华平
Source Publication自动化学报
ISSN0254-4156
2022
Volume48Issue:8Pages:1972-1983
Abstract针对复杂环境下机器人运动状态估计的精度改善问题,提出一种面向非线性非高斯系统的改进高斯和容积卡尔曼滤波估计方法.首先,引入加权信息量概念来改进期望最大化算法目标函数惩罚项,使得在优化过程中能考虑更全面的参数信息,以达到减少期望最大化算法的迭代次数和提高收敛速度的目的.此外,以基于马氏距离和Kullback-Leibler (KL)距离的高斯项合并方法为基础,提出一种能有效联合两类高斯项合并方式的融合模式.先单独使用马氏距离和KL距离进行高斯混合项合并,再对获得的高斯混合项进行加权融合处理,以改善高斯和滤波中多高斯项的合并性能和保真度.最后,应用非线性非高斯系统的高斯和容积卡尔曼滤波框架实现对复杂环境下机器人的运动状态估计.理论分析与仿真结果表明,该方法能实现对机器人运动更好的状态估计精度,并具有更强的鲁棒性能.
Keyword非线性非高斯系统 状态估计 高斯和容积卡尔曼滤波 鲁棒期望最大化算法 凸组合融合
DOI10.16383/j.aas.c200660
Citation statistics
Document Type期刊论文
Identifierhttp://ir.ia.ac.cn/handle/173211/56301
Collection学术期刊_自动化学报
Recommended Citation
GB/T 7714
葛泉波,王贺彬,杨秦敏,等. 基于改进高斯混合模型的机器人运动状态估计[J]. 自动化学报,2022,48(8):1972-1983.
APA 葛泉波,王贺彬,杨秦敏,张兴国,&刘华平.(2022).基于改进高斯混合模型的机器人运动状态估计.自动化学报,48(8),1972-1983.
MLA 葛泉波,et al."基于改进高斯混合模型的机器人运动状态估计".自动化学报 48.8(2022):1972-1983.
Files in This Item: Download All
File Name/Size DocType Version Access License
AAS-CN-2020-0660.pdf(1963KB)期刊论文出版稿开放获取CC BY-NC-SAView Download
Related Services
Recommend this item
Bookmark
Usage statistics
Export to Endnote
Google Scholar
Similar articles in Google Scholar
[葛泉波]'s Articles
[王贺彬]'s Articles
[杨秦敏]'s Articles
Baidu academic
Similar articles in Baidu academic
[葛泉波]'s Articles
[王贺彬]'s Articles
[杨秦敏]'s Articles
Bing Scholar
Similar articles in Bing Scholar
[葛泉波]'s Articles
[王贺彬]'s Articles
[杨秦敏]'s Articles
Terms of Use
No data!
Social Bookmark/Share
File name: AAS-CN-2020-0660.pdf
Format: Adobe PDF
All comments (0)
No comment.
 

Items in the repository are protected by copyright, with all rights reserved, unless otherwise indicated.