×
哈瓦吉，R。

基于无中心H∞滤波的进化重采样同步定位与映射。 （英语） Zbl 1395.93538号

J.富兰克林研究所。 352，11号，4801-4825（2015）.
摘要：无中心快速SLAM（UFastSLAM）是一个同步定位和映射（SLAM）框架。然而，由于粒子多样性的损失，UFastSLAM随着时间的推移是不一致的，这主要是由于重采样步骤中的粒子耗尽以及对过程和测量噪声的不正确先验知识造成的。为了克服这些问题，本文提出了具有进化重采样的H无穷大UFastSLAM（HUFastSLAM）。该方法可以在未知统计噪声中工作，并且不需要关于噪声统计的先验知识。此外，为了增加多样性，基于差分进化（DE）进行重采样。该算法在基准数据集上进行了评估。仿真和实验结果证明了该算法在不同情况下的有效性。

引用于1文件

MSC公司：

93E11号机组 随机控制理论中的滤波
93B36型 \（H^\infty）-控制
93B40码 系统理论中的计算方法（MSC2010）
93B12号机组 可变结构系统

关键词：

无迹h∞滤波；同时定位和映射；进化重采样

软件：

快速SLAM
PDF格式BibTeX公司 XML格式引用
\textit{R.Havangi}，J.Franklin Inst.352，No.11，4801--4825（2015；Zbl 1395.93538）
全文： 内政部

参考文献：

[1] Dissanayake，M.W.M.G。；纽曼，P。；克拉克，S。；Durrant-Whyte，H.F.，同步定位和地图构建（SLAM）问题的解决方案，IEEE Trans。机器人。自动。，17229-241（2001年）
[2] 黄，S。；Dissanayake，G.，基于SLAM的扩展卡尔曼滤波器的收敛性和一致性分析，IEEE Trans。机器人。，23, 5, 1036-1049, (2007)
[3] 特隆，S。；蒙特默罗，M。；科勒，D。；韦格布雷特，B。；Nieto，J。；Nebot，E.，Fasslam：一种有效解决具有未知数据关联的同时定位和映射问题的方法，J.Mach。学习。研究，4，380-407，（2004）
[4] Kim，C。；Sakthivel，R。；Chung，W.K.，《Uncented fastslam：同时定位和映射问题的鲁棒算法》，IEEE Int.Conf.Robot。自动。，2439-2445, (2007)
[5] Kim，C。；Kim，H。；Chung，W.K.，《SLAM的精确Rao-blackwellized unscented粒子过滤器》，IEEE Int.Conf.Robot。自动。，3589-3594，（2011年）
[6] Kim，C。；Sakthivel，R。；Chung，W.K.，《Uncented fastslam：SLAM问题的稳健高效解决方案》，IEEE Trans。机器人。，24, 4, (2008)
[7] Kim，I。；北卡罗来纳州夸克。；Lee，H。；Lee，B.，《改进快速满贯中粒子之间的粒子融合几何关系》，Robotica，27853-859，（2009）
[8] 朱利叶，S。；Uhlmann，J。；Durrant-Whyte，H.F.，滤波器和估计器中均值和协方差非线性变换的新方法，IEEE Trans。自动。控制。，45, 3, 477-482, (2000) ·Zbl 0973.93053号
[9] 泽迅，Z。；魏东，W。；李涛，L。；项羽，H。；胡桃，C。；Shuang，L。；平远，C.，小体软着陆的鲁棒滑模制导和控制，J.Frankl。研究所，349，493-509，（2012）·Zbl 1254.93061号
[10] Mehra，R.K.，《关于方差识别和自适应卡尔曼滤波》，IEEE Trans Autom Control，AC-15，2，175-184，（1970）
[11] Fitzgerald，R.J.，卡尔曼滤波器的发散，IEEE Trans。自动。控制，AC-16，6736-747，（1971）
[12] Y.Shi，C.Han，Y.Liang，用于未知过程噪声统计的目标跟踪的自适应UKF，载于：第十二届信息融合国际会议论文集，西雅图，华盛顿州，美国，2009年7月6-9日。
[13] Z.Jiang，Q.Song，Y.He，J.Han，A.用于非线性估计的新型自适应无迹卡尔曼滤波器，载于：第46届IEEE决策与控制会议论文集，美国洛杉矶新奥尔良，2007年12月12日至14日。
[14] 查特吉，A。；Matsuno，F.，用于同时定位和映射（SLAM）问题的神经模糊辅助扩展卡尔曼滤波方法，IEEE Trans。模糊系统。，984-997, (2007)
[15] Chatterjee，A.，《差分进化调整模糊监督自适应扩展卡尔曼滤波用于移动机器人SLAM问题》，Robotica，27411-423，（2009）
[16] 李伟（Li，W.）。；Jia，Y.，基于无迹变换的一类非线性离散时间系统的H∞滤波，信号处理。，90, 3301-3307, (2010) ·Zbl 1197.94075号
[17] Yu，Y.，未知非高斯噪声中条件线性动态系统的H_{∞}滤波器和成本参考粒子滤波器的组合，信号处理。，93, 1871-1878, (2013)
[18] Choon，K.A。；Pyung，S.K.，《直接形式干扰数字滤波器无溢出极限环的新峰间状态空间实现》，Int.J.Innov。计算。信息控制，9，8，3285-3291，（2013）
[19] Shi，P。；栾，X。；Liu，F.，具有随机不完全测量和混合延迟的离散时间系统的H-无穷大滤波，IEEE Trans。Ind.Electron公司。，59, 6, 2732-2739, (2012)
[20] 维卡洛，H。；哈西比，B。；埃尔多安，A.T。；Kailath，T.，关于噪声滤波器组中的鲁棒信号重建，信号处理。，85, 1, 1-14, (2005) ·Zbl 1148.94375号
[21] Luana，X。；Liua，F。；Shi，P.，基于神经网络的非线性系统H_{∞}滤波，J.Frankl。研究所，3471035-1046，（2010）·Zbl 1201.93124号
[22] 香加，Z。；乔亚，C。；Mahmoud，M.S.，异步切换下切换随机系统的鲁棒H_∞}滤波，J.Frankl。研究所，349，1213-1230，（2012）·Zbl 1273.93165号
[23] R.Havangi、M.A.Nekoui、H.Taghirad、M.Teshnehlab，《H_{∞}FastSLAM框架》，收录于《IEEE机电一体化国际会议论文集》，土耳其伊斯坦布尔，2011年。
[24] 北卡罗来纳州夸克。；Kim，G.W。；Lee，B.H.，《基于fastslam重采样过程分析的新补偿技术》，Robotica，26，205-217，（2008）
[25] 博利克，M。；Djuric，P.M。；Hong，S.，《分布式粒子滤波器的重采样算法和架构》，IEEE Trans。信号处理。，53442-2450，（2005年）·兹比尔1370.94394
[26] Fen，C。；王，M。；季庆斌，《粒子滤波中重采样算法的分析与比较》，J.Syst。模拟。，21, 4, 1101-1105, (2009)
[27] Nishiyama，K.，基于输入预测器信息的快速H_{∞}滤波器的计算改进，IEEE Trans。信号处理。，55, 8, (2007) ·Zbl 1390.94334号
[28] Nishiyama，K.，《时变系统辨识的H{∞}优化及其快速算法》，IEEE Trans。信号处理。，52, 5, (2004) ·Zbl 1370.93106号
[29] Engelbrecht，Andries P.，《计算智能简介》（2007），John Wiley&Sons，Ltd。
[30] Panda，S.，考虑时滞的基于SSSC的阻尼控制器设计的差分进化算法，J.Frankl。Inst.，3481903-1926，（2011）·Zbl 1231.93030号
[31] van der Merwe，R。；De Freiras，J.F.G。；Doucet，A.，无味颗粒过滤器。《神经信息处理系统的进展》13，584-590，（2000），麻省理工学院出版社
[32] T.Bailey，〈http://www-personal.acfr.usyd.edu.au/tbailey/software/〉 (05.31.13).
[33] Bar-Shalom，Y。；Li，X.R。；Kirubarajan，T.，《应用于跟踪和导航的估算》（2001），John Wiley and Sons
[34] E.Nebot，维多利亚公园数据集，2012，〈http://www-personal.acfr.usyd.edu.au/nebot/dataset.htm。
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。