论文部分内容阅读
提出一种新的基于自适应极大后验(AMAP)估计的空间目标运动状态确定方法,致力于削弱未知干扰对状态估计的不利影响.针对带有干扰的离散时间非线性随机系统设计了AMAP估计算法,采用高斯.牛顿优化方法实现极大后验(MAP)估计,通过模式切换和加权融合强化算法的自适应能力.基于理论分析导出了状态估计均方误差(MSE)的表达式,说明所提算法能够达到优于传统扩展卡尔曼滤波(EKF)和MAP估计算法的精度.以空间目标运动状态确定系统为例,通过蒙特卡洛仿真验证了AMAP估计算法的性能优势,不同条件下的对比研究表明,所提