论文部分内容阅读
提出一类基于可能模型集(likely-model set,LMS)的期望模式增广(expected-mode augmentation,EMA)算法,该算法将任意时刻的有效模型集分成可能模型集和增广模型集两个部分。可能模型集由模型后验概率和总模型集的拓扑图确定;对可能模型集加权组合,生成增广模型集。然后,基于两模型集的并集对目标的状态进行估计。该算法能够保持期望模式增广算法的精度,同时大大降低计算量。仿真结果验证了本文算法的性能。