计算机专业研究生开题模板概述.pptVIP

卡尔曼滤波法 卡尔曼滤波的基本思想是：采用信号与噪声的状态空间模型，利用前一时刻的估计值和现时刻的观测值来更新对状态变量的估计，求出现时刻的估计值。 X(k)=AX(k-1)+BU(k)+W(k) Z(k)=H X(k)+V(k) 系统状态 系统测量值 卡尔曼滤波法 X(k|k-1)=AX(k-1|k-1)+BU(k) P(k|k-1)=AP(k-1|k-1)A’+Q X(k|k)= X(k|k-1)+Kg(k)(Z(k)-HX(k|k-1)) Kg(k)= P(k|k-1)H’ /(HP(k|k-1)H’ + R) P(k|k)=(I-Kg(k)H)P(k|k-1) 当进入K+1状态时，P(k|k)就作为P(k-1|k-1)，算法就可自回归地运算下去 贝叶斯估计法 假设系统可能的决策为X1,X2,…,Xm,当某一传感器对系统进行观测时，观测结果记为Y； 根据先验概率P(Xi)和条件概率P(Y|Xi)求出后验概率P(Xi|Y) 。 贝叶斯估计法 推广到多个传感器的情况。当有n个传感器，观测结果分别为Y1,Y2,…,Yn时，假设它们之间相互独立且与被观测对象条件独立，则可以得到系统有n个传感器时的各决策总的后验概率： 粗糙集理论 粗糙集理论把每个传感器节点采集的数据看成一个等价类，利用粗糙集理论的化简、核和相容性等概念，对大量传感器数