基于MCC的鲁棒高阶CKF在组合导航中的应用

发布时间：2022-11-06 19:01

　　针对高阶容积卡尔曼滤波器在非高斯噪声情况下滤波精度下降的问题,提出了一种新的基于Maximum Correntropy Criterion（MCC）的鲁棒高阶容积卡尔曼滤波算法。考虑到高阶容积规则可以较好地解决非线性问题,在高阶容积滤波的基础上,结合统计线性回归模型对量测更新过程进行重构,利用MCC估计算法实现状态的量测更新,同时解决了系统的非线性和非高斯问题。将所提算法应用到SINS/GPS组合导航系统中,仿真结果表明,核宽的选取对算法的滤波性能有较大的影响,在高斯混合噪声条件下,所提算法相比传统高阶容积卡尔曼滤波算法具有更强的鲁棒性和更高的滤波精度。 

【文章页数】：8 页

【文章目录】：
1 引言
2 SINS/GPS组合导航系统模型
    2.1 组合导航系统状态方程
    2.2 组合导航系统量测方程
3 基于MCC的鲁棒高阶CKF算法
    3.1 最大相关熵
    3.2 高阶容积卡尔曼滤波
    3.3 统计线性回归的MCC方法
    3.4 基于MCC的高阶容积卡尔曼滤波算法
    3.5 算法鲁棒性分析
4 仿真实验与分析
5 结论


【参考文献】：
期刊论文
[1]基于目标跟踪的自适应广义高阶CKF算法[J]. 彭志颖,夏海宝,许蕴山.  计算机工程与应用. 2018(11)
[2]简化高阶强跟踪容积卡尔曼滤波及其在组合导航中的应用[J]. 郝顺义,卢航,魏翔,许明琪.  控制与决策. 2019(10)
[3]基于Huber的鲁棒广义高阶容积卡尔曼滤波算法[J]. 秦康,董新民,陈勇,刘棕成,李洪波.  控制与决策. 2018(01)
[4]基于鲁棒高阶容积滤波的无人机相对导航状态估计方法[J]. 金红新,杨涛,王小刚,卢鑫,李璞.  国防科技大学学报. 2017(04)
[5]基于鲁棒滤波的无人机着陆相对导航方法[J]. 陈诚,王小刚,秦武韬,崔乃刚,许河川.  中国惯性技术学报. 2017(03)
[6]基于Huber的鲁棒高阶容积卡尔曼滤波算法[J]. 秦康,董新民,陈勇.  计算机工程与应用. 2017(07)
[7]基于组合导航系统的非线性高斯滤波算法[J]. 王硕,宋申民,于浛,史小平.  控制与决策. 2016(09)
[8]基于Huber的高阶容积卡尔曼跟踪算法[J]. 张文杰,王世元,冯亚丽,冯久超.  物理学报. 2016(08)
[9]基于广义M估计的鲁棒容积卡尔曼滤波目标跟踪算法[J]. 吴昊,陈树新,杨宾峰,陈坤.  物理学报. 2015(21)
[10]基于HuberM估计的鲁棒Cubature卡尔曼滤波算法[J]. 黄玉,武立华,孙枫.  控制与决策. 2014(03)



本文编号：3704049