导读:本文包含了移动多模型论文开题报告文献综述及选题提纲参考文献，主要关键词:移动定位,视距,非视距,粒子滤波
移动多模型论文文献综述
夏楠,王珏,李博[1]（2019）在《基于粒子滤波和交互多模型的移动定位方法》一文中研究指出为提高非视距情况下移动辐射源的定位精度,提出一种改进的交互粒子滤波算法.该算法对目标运动多模型和信号到达时间差测量噪声分布多模型联合建模.在交互多模型状态更新中利用粒子滤波对目标时变状态以及视距/非视距混合信道参数进行估计,抑制了非视距测量误差对移动定位的影响.仿真结果表明,改进算法的性能要优于现有的视距条件运动多模型和视距/非视距条件单一运动模型的定位算法,并且定位误差接近于推导的后验克拉美劳下界.(本文来源于《电子学报》期刊2019年01期）
王磊,程向红,李双喜[2]（2017）在《基于交互式多模型秩滤波的移动机器人组合导航算法》一文中研究指出针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。(本文来源于《中国惯性技术学报》期刊2017年03期）
王忠民,韩帅,宋辉[3]（2017）在《一种位置无关的多模型移动用户行为识别方法》一文中研究指出针对智能手机佩戴位置多样性对移动用户行为识别结果的影响,提出一种位置无关的多模型移动用户行为识别方法。该方法通过计算手机加速度传感器所采集到的行为信号在不同佩戴位置的特征相似度,与预先计算的不同佩戴位置特征相似度进行比较,并采用相似度最大的位置特征作为测试样本,利用极速学习机(extreme learning machine,ELM)分类器对移动用户行为进行识别。实验结果证明,相对于不区分佩戴位置的行为识别方法,该方法可将识别准确率提高11%,是一种有效的移动用户行为识别方法。(本文来源于《计算机应用研究》期刊2017年04期）
万伟,张凤云,杨斌[4]（2016）在《基于交互多模型无味卡尔曼滤波的移动机器人故障诊断》一文中研究指出为了快速、准确地诊断出移动机器人的故障,将交互多模型算法和无味卡尔曼滤波(IMM_UKF)结合起来,通过各个故障模型的概率大小来判断故障是否发生。仿真结果证明,IMM_UKF的估计准确度要高于IMM_EKF,能够准确判断故障。(本文来源于《湖南文理学院学报(自然科学版)》期刊2016年02期）
叶红霞[5]（2013）在《基于多模型的移动电子商务推荐系统设计与实现》一文中研究指出随着Internet的普及和应用，电子商务因为其成本低廉、便捷、快速、不受时间和空间的限制等优点已在全球流行。电子商务在为用户提供更多选择的同时，其结构也日益更加复杂。一方面，用户面对大量的商品信息，很难快速找到自己真正需要的商品；另一方面，商家也无法与消费者面对面的交流。个性化的电子商务推荐系统能根据用户行为特征为用户提供一对一的服务，快速帮助用户找到所需的商品，从而顺利完成购物过程。商家通过推荐系统能提高电子商务系统销售能力，保持与客户的联系，提高用户忠诚度和满意度。本文通过对当前B2C网站的电子商务个性化推荐系统分析，提出一种B2C模式下的多模型推荐系统（MMRS）的设计及实现，该系统通过对用户购物历史记录、Wap元数据以及用户注册信息处理，运用关联、聚类的方法，最后给出商品的推荐结果。这种对不同用户的多模型的推荐方案，即使新老用户由于信息的不同，都能够产生有效的推荐，并能够对新产品产生推荐。文中在推荐算法上做了一定改良，最后利用同组同学的Wap电子商务网站测试数据，对MMRS系统进行验证，发现改良后的算法能收到比较好的效果。(本文来源于《苏州大学》期刊2013-04-20）
徐一帆,谭跃进,贺仁杰,慈元卓[6]（2012）在《海洋移动目标多模型运动预测方法》一文中研究指出分析海洋移动目标的运动特征,提出了预测前插值的灰色预测方法,改进了航迹变更预测和潜在区域预测模型。通过集成匀速运动预测、航迹变更预测、基于航迹的预测和潜在区域预测,提出多模型运动预测方法及其模型参数配置依据,根据滑动时间窗口中的观测数据与预测值的统计比较,评价不同预测方法的近期预测效果,决策下阶段适宜选择的预测方法。仿真实验表明多模型运动预测比使用单一运动预测方法降低预测风险,提高了预测精度。(本文来源于《火力与指挥控制》期刊2012年03期）
柳玉甜,蒋静坪[7]（2007）在《基于多模型和小脑模型关节控制器神经网络的移动机器人故障诊断》一文中研究指出提出了一种基于多模型估计方法的神经网络故障诊断技术。该技术根据轮式移动机器人的故障模型,通过一组卡尔曼滤波器生成不同的残差,每一个卡尔曼滤波器对应一种故障类型;对所得的残差进行简单处理,将其作为小脑模型关节控制器(CMAC)神经网络的输入,利用CMAC神经网络的分类逼近能力,建立输入组到输出组(故障类型)的精确映射,最终实现故障诊断任务。仿真实验证明了该故障诊断技术在轮式移动机器人故障诊断上的实用性。(本文来源于《电工技术学报》期刊2007年03期）
移动多模型论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
移动多模型论文参考文献
[1].夏楠,王珏,李博.基于粒子滤波和交互多模型的移动定位方法[J].电子学报.2019
[2].王磊,程向红,李双喜.基于交互式多模型秩滤波的移动机器人组合导航算法[J].中国惯性技术学报.2017
[3].王忠民,韩帅,宋辉.一种位置无关的多模型移动用户行为识别方法[J].计算机应用研究.2017
[4].万伟,张凤云,杨斌.基于交互多模型无味卡尔曼滤波的移动机器人故障诊断[J].湖南文理学院学报(自然科学版).2016
[5].叶红霞.基于多模型的移动电子商务推荐系统设计与实现[D].苏州大学.2013
[6].徐一帆,谭跃进,贺仁杰,慈元卓.海洋移动目标多模型运动预测方法[J].火力与指挥控制.2012
[7].柳玉甜,蒋静坪.基于多模型和小脑模型关节控制器神经网络的移动机器人故障诊断[J].电工技术学报.2007