面向參數(shù)不精準系統(tǒng)的Kalman濾波理論研究.pdf

1、隨著現(xiàn)代技術(shù)的快速發(fā)展，尤其是傳感器技術(shù)、計算機技術(shù)和各種智能信息處理技術(shù)等在眾多民用和國防領(lǐng)域得到廣泛應(yīng)用。面對復(fù)雜的環(huán)境，使得對目標的跟蹤的精度以及算法的有效性和合理性等要求不斷提高。由于受到各種因素的影響，在處理實際系統(tǒng)模型時往往面臨著參數(shù)不精準的情況，使得濾波估計結(jié)果與實際不匹配，導(dǎo)致假設(shè)下的性能評估不能精準刻畫實際的估計性能。因此，研究參數(shù)不精準系統(tǒng)的Kalman濾波理論是很有必要的。
　　由參數(shù)不精準導(dǎo)致的問題有1)線

2、性系統(tǒng)中Kalman濾波估計性能評估的不精準，2）非線性系統(tǒng)的線性化及人為加入因子對估計性能評估的影響，3）非線性系統(tǒng)不精準時濾波器設(shè)計及多傳感器融合估計性能。針對上述問題，本文有針對性的開展如下研究工作：
　　1)研究線性系統(tǒng)噪聲方差不精準情況下的Kalman濾波估計性能。在工程實踐中噪聲方差特性并不能完全已知，那么，不精準的噪聲方差必定會對濾波估計性能造成影響。因此，主要研究了在不同定義下的估計性能度量MSEs，并對它們進行排

3、序及相對接近程度進行分析。最后，給出工程實踐指導(dǎo)，為實際系統(tǒng)濾波估計性能評估提供幫助。
　　2)研究非線性系統(tǒng)擴展強跟蹤濾波的估計性能。由于擴展強跟蹤濾波引入自適應(yīng)漸消因子能夠根據(jù)實時測量新息修正一步預(yù)測誤差協(xié)方差，從而，對于模型不精準及狀態(tài)和參數(shù)突變的系統(tǒng)具有較強的跟蹤能力。然而，引入的自適應(yīng)漸消因子則會打破常規(guī)Kalman濾波的一些機理結(jié)論。因此，主要研究了ESTF與EKF在統(tǒng)計參數(shù)的比較；ESTF和EKF估計性能的不一致性研

4、究；ESTF性能度量的不匹配性研究。結(jié)果表明，對于ESTF而言，改變或打破了Kalman濾波的一些基本特性。最后，通過智能小車目標跟蹤系統(tǒng)平臺驗證了研究內(nèi)容的有效性。
　　3)研究一種新的容積Kalman濾波算法及其融合方法分析。為了提高估計精度和具有較好的穩(wěn)定性，結(jié)合容積信息濾波、五階容積規(guī)則、迭代方法以及集合策略，提出五階集合迭代容積信息濾波(EnFICIF)算法?；贓nFICIF研究四種多傳感器融合方法的估計性能的等價性和