Саморегульований типовий алгоритм злиття інтерактивних багатомодельних даних
- Деталі
- Категорія: IT-технології
- Останнє оновлення: Субота, 02 квітня 2016, 13:59
- Опубліковано: Субота, 02 квітня 2016, 13:59
- Перегляди: 4781
Автори:
Інмінь І, Сіаньський технологічний університет, м. Сіань, провінція Шеньсі, КНР
Вейдуо Чень, Сіаньський технологічний університет, м. Сіань, провінція Шеньсі, КНР
Реферат:
Мета. Для вирішення завдань змішаної оцінки у роботі запропонований саморегульований типовий алгоритм злиття інтерактивних багатомодельних даних (IMM) з метою вирішення проблеми вибору моделі в IMM. Проаналізована хронологічна інформація по всім моделям з метою знаходження оптимального рішення задачі змішаної оцінки.
Методика. Згідно з попередніми даними, параметричний простір, що описує модель, зводиться до модельної безлічі. Параметричний простір розділяється на декілька частин за схожістю характеру зміни параметрів. Потім кожен підпростір зводиться до підмодельної безлічі. Перехід підмоделей з одного стану до іншого підпорядковується марківському ланцюгу.
Результати. З урахуванням саморегуляції розрахована центральна модель кожного підпростору. Центральні моделі склали модельну множину IMM-алгоритму.
Наукова новизна. Кінцевим результатом запропонованого алгоритму є злиття даних оцінки модельної безлічі з використанням IMM-алгоритму. Моделюючі експерименти довели перевагу запропонованого алгоритму над традиційним IMM-алгоритмом за умови рівної кількості обчислень.
Практична значимість. Результати експериментів показали, що робочі характеристики алгоритму були значно покращені за однакових умов обчислення.
Список літератури / References:
1. Leao, B.P., Dutra, A.J.S., Reis, D.C.S., de Souza, L.F.W., Arango, T.P.L., Salim, R.H., Alves da Silva, A.P.(2015), "Hybrid Systems state estimation applied to power transfor-mers fault diagnosis", Intelligent System Application to Power Systems , pp.1−6, 11−16.
2. Jian Lan, Li, X. R., Vesselin P. Jilkov, Chundi Mu.(2013), "Second-Order Markov Chain Based Multiple-Model Algorithm for Maneuvering Target Tracking", IEEE Transactions on Aerospace and Electronic Systems ,vol. 49, no.1, pp.3−19.
3. Kichun Jo, Keounyup Chu, Myoungho Sunwoo (2012), "Interacting Multiple Model Filter-Based Sensor Fusion of GPS With In-Vehicle Sensors for Real-Time Vehicle Positioning", IEEE Transactions on Intelligent Transportation Systems ,vol. 13, no.1, pp.329−343.
4. Weiyi Liu, Jian Wei, Mengchen Liang, Yi Cao, Inseok Hwang (2013), "Multi-Sensor Fusion and Fault Detection using Hybrid Estimation for Air Traffic Surveillance" , IEEE Aerospace and Electronic Systems, vol. 49, no.4, pp.2323− 2339.
5. Jian Xu, Qijun Chen (2011), "Optimal control of switched hybrid systems", Proc. of Asian Control Conference, pp.1216−1220.
6. Jian Lan, Li, X.R., Chundi Mu (2011), "Best Model Augmentation for Variable-Structure Multiple-Model Estimation", IEEE Aerospace and Electronic Systems ,vol. 47, no.3, pp.2008−2025.
7. Li-Qiang Hou, Heng-Nian Li, Fu-Ming Huang, Pu Huang (2011), "Tracking micro reentering USV with TDRS and ground stations using adaptive IMM method", IEEE Information and Automation, pp.1−7, 6−8.
8. Jian Lan, Li, X.R. (2013), "Equivalent-Model Augmen-tation for Variable-Structure Multiple-Model Estimation", IEEE Aerospace and Electronic Systems ,vol. 49, no.4, pp. 2615−2630.
9. Talata, Z.(2014), "Markov neighborhood estimation with linear complexity for random fields", IEEE Information Theory , pp.3042−3046.
![]() ![]() |
|
![]() ![]() ![]() |
![]() |