.png){kind=icon}
返回
A Variational Bayesian Based Adaptive Kalman Filter Time-Scale Algorithm for Atomic Clock Ensemble
.png){kind=icon}
PRE
AI
DOI：10.1007/978-3-032-03215-7_22.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
为获得稳定性与鲁棒性更优的时间尺度，集成原子钟组是一种常用方法。作为著名的最优估计器，卡尔曼滤波器（KF）可用于构建原子钟组的时间尺度算法以生成时间尺度。原始KF时间尺度算法通常设定一个先验测量噪声协方差矩阵，并在整个运行过程中保持恒定。然而，实际测量设备会引入非平稳噪声，导致噪声协方差矩阵不匹配并破坏生成时间尺度的稳定性。为解决此问题，提出一种变分贝叶斯自适应卡尔曼滤波器（VB-AKF）时间尺度算法，用于实时估计非平稳噪声的方差矩阵并提升时间尺度稳定性。仿真结果表明，所提出的VB-AKF时间尺度算法能够快速跟踪测量噪声方差并克服噪声协方差矩阵不匹配导致的破坏。在相同噪声条件下，VB-AKF分别在两种原子钟组场景下将时间尺度稳定性从5.42×10⁻¹²（@1s）提升至1.46×10⁻¹²（@1s）和从4.87×10⁻¹²（@1s）提升至2.82×10⁻¹²（@1s），达到与具有先验真实噪声协方差矩阵的KF相当的稳定性。与KF相比，VB-AKF时间尺度算法在处理非平稳测量噪声对时间尺度稳定性的影响方面表现更优。
Keyword:
Kalman filter
Time-scale algorithm
Variational Bayesian method
Atomic clock ensemble
期刊
C
IF:
0
论文数:
15
被引数:
0
机构
引用论文
Structured Kalman Filter for Time Scale Generation in Atomic Clock Ensembles原子钟组中时间尺度生成结构的卡尔曼滤波器
OAAI
OAAI分享收藏On the Identification of Noise Covariances and Adaptive Kalman Filtering: A New Look at a 50 Year-Old Problem.png)
IEEE ACCESS
OAAI
IEEE ACCESSIF3.6
OAAI分享收藏分享收藏 没有更多内容
没有更多内容