... 低通（low pass） 247, 319, 320 低秩（low rank） 453 递推（recursive） 322, 348 高斯 320 滤波器发散（filter divergence） 378, 430 滤波参数（filtering parameter） 318 ㄍ (哥, ) G 高斯分布 74, 1115, 1125 独立性与不相关 491, 1120 特征函数1126 ...
基于12个网页-相关网页
对于有模型误差的惯导系统，采用常规卡尔曼滤波会导致较大的状态估计误差，甚至使滤波器发散。
For the inertial navigation system with model errors, there exists a large error in estimating a state using conventional Kalman filter, and it can even make the filter diverging.
仿真结果表明，两种方法结合，可以有效地防止滤波器发散，缩小实际的滤波误差，提高滤波精度，实现滤波器参数的在线改进。
Simulation result shows that the presented method reduces the error of actual filter, improves the accuracy and can amend filter's parameters on-line.
系统建模是卡尔曼滤波的基础，系统模型不准确带来的验前数据误差，使滤波器精度降低，可能造成发散。
System model is the foundation of Kalman filter. The nondeterminacy of system model brought on apriori data error, as the low precision and the diverge of the filter.
应用推荐