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