基于粒子滤波的参数和状态联合估计算法设计及实现
| 致谢 | 第1-6页 |
| 中文摘要 | 第6-7页 |
| ABSTRACT | 第7-11页 |
| 1 引言 | 第11-17页 |
| ·参数和状态联合估计背景介绍 | 第11-12页 |
| ·应用背景介绍 | 第12-13页 |
| ·粒子滤波算法概述 | 第13-14页 |
| ·基于粒子滤波的参数和状态联合估计概述 | 第14-15页 |
| ·本文研究的内容和意义 | 第15-16页 |
| ·本文的结构 | 第16-17页 |
| 2 粒子滤波 | 第17-28页 |
| ·动态系统状态空间模型 | 第17-18页 |
| ·贝叶斯最优滤波 | 第18页 |
| ·卡尔曼滤波算法 | 第18-20页 |
| ·基本粒子滤波 | 第20-25页 |
| ·贝叶斯重要性采样 | 第20-22页 |
| ·序贯重要性采样(SIS) | 第22-23页 |
| ·序贯重要性重采样(SIR) | 第23-24页 |
| ·粒子滤波计算流程 | 第24-25页 |
| ·粒子滤波的缺点及改进算法 | 第25-27页 |
| ·重要性函数改进 | 第25-26页 |
| ·增加粒子多样性 | 第26-27页 |
| ·本章总结 | 第27-28页 |
| 3 改进的SMA算法 | 第28-42页 |
| ·混合系统介绍 | 第28-29页 |
| ·改进的SMA算法 | 第29-36页 |
| ·RBPF算法的基本原理 | 第29-31页 |
| ·SMA算法的基本原理 | 第31-33页 |
| ·改进的SMA算法 | 第33-36页 |
| ·仿真对比 | 第36-40页 |
| ·本章总结 | 第40-42页 |
| 4 基于随机数搜索的RBPF算法 | 第42-56页 |
| ·常用的基于粒子滤波的参数估计算法 | 第42-45页 |
| ·基本粒子滤波方法 | 第42页 |
| ·基于人工噪声的粒子滤波方法 | 第42-43页 |
| ·基于核平滑收缩技术的RBPF算法 | 第43-45页 |
| ·基于随机数搜索的RBPF算法 | 第45-51页 |
| ·随机数直接搜索优化方法介绍 | 第46-47页 |
| ·随机数搜索与粒子滤波的结合 | 第47-49页 |
| ·基于随机数搜索的RBPF的计算流程 | 第49-51页 |
| ·基于随机数搜索的RBPF算法的分析 | 第51页 |
| ·基于随机数搜索的RBPF算法的仿真验证 | 第51-56页 |
| 5 改进算法在列车制动率估计中的应用 | 第56-63页 |
| ·列车制动模型 | 第56-57页 |
| ·列车制动率和运行状态联合估计的仿真对比 | 第57-62页 |
| ·本章总结 | 第62-63页 |
| 6 结论与展望 | 第63-65页 |
| ·结论 | 第63页 |
| ·展望 | 第63-65页 |
| 参考文献 | 第65-68页 |
| 作者简历 | 第68-70页 |
| 学位论文数据集 | 第70页 |
