基于新息的自适应增量Kalman滤波器

发布时间：2022-07-29 11:12

　　在一定环境条件下,当系统的量测方程没有进行验证或校准时,使用该量测方程往往会产生未知的系统误差,从而导致较大的滤波误差。增量方程的引入可以有效解决欠观测系统的状态估计问题。该文考虑带未知噪声统计的线性离散增量系统,首先提出一种基于新息的噪声统计估计算法。可以得到系统噪声统计的无偏估计。进而,提出一种新的增量系统自适应Kalman滤波算法。相比已有的自适应增量滤波算法,该文所提算法得到的状态估计精度更高。两个仿真实例证明了其有效性和可行性。 

【文章页数】：8 页

【参考文献】：
期刊论文
[1]平滑约束无迹卡尔曼滤波器[J]. 张宏伟,谢维信.  信号处理. 2019(03)
[2]基于卡尔曼滤波的接收信号强度指示差值定位算法[J]. 耿友林,解成博,尹川,郭兰图,王先义.  电子与信息学报. 2019(02)
[3]一种改进自适应增量Kalman滤波的传递对准算法[J]. 徐英蛟.  指挥控制与仿真. 2018(04)
[4]基于Kalman滤波的云数据中心能耗和性能优化[J]. 何丽,汤莉.  计算机工程与科学. 2018(07)
[5]空间目标卡尔曼滤波稀疏成像方法[J]. 汪玲,朱栋强,马凯莉,肖卓.  电子与信息学报. 2018(04)
[6]Multi-sensor optimal weighted fusion incremental Kalman smoother[J]. SUN Xiaojun,YAN Guangming.  Journal of Systems Engineering and Electronics. 2018(02)
[7]自适应增量粒子滤波方法[J]. 傅惠民,吴云章,娄泰山.  航空动力学报. 2013(08)
[8]增量粒子滤波方法[J]. 傅惠民,娄泰山,吴云章.  航空动力学报. 2013(06)
[9]自适应增量Kalman滤波方法[J]. 傅惠民,吴云章,娄泰山.  航空动力学报. 2012(06)
[10]欠观测条件下的扩展增量Kalman滤波方法[J]. 傅惠民,娄泰山,吴云章.  航空动力学报. 2012(04)



本文编号：3666358