非线性自适应平方根无迹卡尔曼滤波方法研究

发布时间：2019-06-14 02:23

【摘要】：针对带有附加噪声且噪声特性未知的系统,提出了一种非线性卡尔曼滤波方法——自适应平方根无迹卡尔曼滤波(NASRUKF)方法,该方法基于平方根滤波的思想,对传统的Sage-Husa自适应滤波算法进行了改进,并与平方根无迹卡尔曼滤波(SRUKF)算法相结合用来进行非线性滤波。该算法能直接对非线性系统的状态方差阵和噪声方差阵的平方根进行递推与估算,确保状态和噪声方差阵的对称性和非负定性。将所提方法通过计算机仿真技术与SRUKF算法进行对比,结果表明NASRUKF方法在滤波精度、稳定性和自适应能力方面均优于SRUKF方法。
[Abstract]:For systems with additional noise and unknown noise characteristics, an adaptive square root unscented Kalman filter (NASRUKF) method is proposed. Based on the idea of square root filtering, the traditional Sage-Husa adaptive filtering algorithm is improved and combined with the square root unscented Kalman filter (SRUKF) algorithm for nonlinear filtering. The algorithm can directly iterate and estimate the square root of the state variance matrix and the noise variance matrix of the nonlinear system, and ensure the symmetry and non-negative characterization of the state and noise variance matrix. The proposed method is compared with the SRUKF algorithm by computer simulation technology. the results show that the NASRUKF method is superior to the SRUKF method in filtering accuracy, stability and adaptive ability.
【作者单位】： 西安科技大学电控学院;西北工业大学航空学院;中船重工第713研究所;
【基金】：国家自然科学基金(No.51307137) 西安科技大学培育基金项目(No.201317)
【分类号】：TN713

【相似文献】

相关期刊论文 前10条

1 熊凯,张洪钺;基于神经网络的无迹滤波改进算法[J];航天控制;2005年04期

2 郭文艳;韩崇昭;雷明;;迭代无迹Kalman粒子滤波的建议分布[J];清华大学学报(自然科学版);2007年S2期

3 强波;王正志;倪青山;;面向调控网络参数学习的无迹粒子滤波算法[J];计算机工程与应用;2011年09期

4 王旭阳;王智勇;;一种自适应免疫优化的无迹粒子滤波器[J];计算机工程与应用;2013年04期

5 曲彦文;张二华;杨静宇;;改进的无迹粒子滤波算法[J];控制理论与应用;2010年09期

6 段立;黄心汉;冯坤;罗兵;;舰艇编队协同防空分布式无迹粒子滤波[J];华中科技大学学报(自然科学版);2009年10期

7 金瑶;蔡之华;梁丁文;;基于差分演化算法的自适应无迹卡尔曼滤波[J];电子与信息学报;2013年04期

8 黄铫;张天骐;李越雷;刘燕丽;;一种扩维无迹卡尔曼滤波[J];电子测量与仪器学报;2009年S1期

9 黄铫;张天骐;高清山;李越雷;;一种提高无迹卡尔曼滤波精确度的方法[J];计算机仿真;2010年03期

10 蔡安新;朱坤;唐风文;;无迹卡尔曼滤波和扩展卡尔曼滤波辨识船舶运动模型的性能比较[J];中国水运(下半月);2011年08期

相关会议论文 前1条

1 李鹏;宋申民;;融合风险敏感估计算子的无迹粒子滤波[A];2011年中国智能自动化学术会议论文集（第一分册）[C];2011年

相关硕士学位论文 前1条

1 谢兴;基于优化无迹卡尔曼滤波的电网动态谐波检测[D];深圳大学;2015年

，

本文编号：2499020