多率量测下随机跳变系统迁移交互多模型估计

doi:10.16383/j.aas.c220011

CORC > 自动化研究所 > 中国科学院自动化研究所 > 学术期刊 > 自动化学报

	多率量测下随机跳变系统迁移交互多模型估计
	高爽; 栾小丽; 赵顺毅; 刘飞
刊名	自动化学报
	2023
卷号	49 期号:1 页码:210-218
关键词	跳变系统迁移交互多模型估计多率量测 KL散度平滑策略
ISSN号	0254-4156
DOI	10.16383/j.aas.c220011
英文摘要	实际工业过程中,量测数据除了在线仪表采集的快速率数据,还有离线化验等慢速率辅助量测数据.为了更好地利用离线化验数据,增加在线估计的精度,针对随机跳变系统,引入迁移学习思想,提出迁移交互多模型估计(Transfer interacting multiple model state estimator, IMM-TF)新策略.首先,将离线化验数据的边缘分布作为可以迁移的知识,迁移到贝叶斯后验分布,实现辅助量测数据的充分利用.其次,利用KL (Kullback-Leibler)散度度量知识迁移前后任务间的差异性,求解最优的贝叶斯迁移估计器.同时,结合慢速率量测,利用平滑策略获取待迁移的估计值,解决多率量测下的迁移估计难题.然后,利用影响力函数构建辅助量测数据与估计性能之间的解析关系,从而对迁移效果进行定量评价.最后,通过在目标跟踪实例中的应用,表明所提方法的有效性及优越性.
内容类型	期刊论文
源URL	[http://ir.ia.ac.cn/handle/173211/56221]
专题	自动化研究所_学术期刊_自动化学报
推荐引用方式 GB/T 7714	高爽,栾小丽,赵顺毅,等. 多率量测下随机跳变系统迁移交互多模型估计[J]. 自动化学报,2023,49(1):210-218.
APA	高爽,栾小丽,赵顺毅,&刘飞.(2023).多率量测下随机跳变系统迁移交互多模型估计.自动化学报,49(1),210-218.
MLA	高爽,et al."多率量测下随机跳变系统迁移交互多模型估计".自动化学报 49.1(2023):210-218.