基于极大似然准则与滚动时域估计的自适应UKF算法

发布时间：2017-08-13 11:16

  本文关键词：基于极大似然准则与滚动时域估计的自适应UKF算法

  更多相关文章： 自适应无迹卡尔曼滤波 噪声统计估计 极大似然准则 滚动时域估计

【摘要】：针对无迹卡尔曼滤波(unscented Kalman filter,UKF)在系统噪声统计特性未知或不准确的情况下滤波精度降低甚至发散的问题,提出一种基于极大似然准则与滚动时域估计的自适应UKF算法。首先根据极大似然准则构造关于系统噪声统计的估计模型;然后引入滚动时域策略对所提模型进行优化;最后采用序列二次规划方法求取噪声统计的估计值,得到带有噪声统计估计器的自适应UKF。提出的算法可以实现系统噪声统计的在线估计,克服了标准UKF的缺陷。通过惯性导航/全球定位系统(inertial navigation system/global positioning system,INS/GPS)组合导航系统中的应用实例,验证了提出算法的有效性。
【作者单位】： 西北工业大学自动化学院;
【关键词】： 自适应无迹卡尔曼滤波 噪声统计估计 极大似然准则 滚动时域估计
【基金】：国家自然科学基金(61174193) 航天支撑技术基金(2014-HT-XGD)资助课题
【分类号】：TN967.2;TN713
【正文快照】： 0引言非线性滤波是自动控制与信号处理领域的一个基本问题,得到了诸多学者的关注[1-3]。扩展卡尔曼滤波(extendedKalman filter,EKF)是最常用的非线性滤波算法[1],其基本思想是将非线性系统模型进行一阶Taylor展开,然后采用卡尔曼滤波算法进行计算。然而,当系统非线性特性较强

【相似文献】

中国期刊全文数据库 前5条

1 张江涛;周毅;;滑动平均模型的极大似然辨识方法[J];科学技术与工程;2009年15期

2 王建宏;;丢失数据下的条件极大似然辨识[J];控制与决策;2014年02期

3 闫小喜;李战明;陈若珠;;拓展目标混合分量删减算法[J];兰州理工大学学报;2014年04期

4 牛婷婷;杨益新;;基于加权极大似然近场宽带目标定位技术研究[J];计算机仿真;2011年02期

5 ;[J];;年期

中国博士学位论文全文数据库 前1条

1 李俊红;极大似然辨识方法的研究[D];江南大学;2013年

中国硕士学位论文全文数据库 前3条

1 王伟;方程误差类模型的极大似然最小二乘估计[D];江南大学;2012年

2 张磊;随机波动率模型参数估计：贝叶斯和极大似然方法[D];清华大学;2013年

3 方正华;神经元集群编码与解码模型研究[D];合肥工业大学;2009年

，

本文编号：666996