容積卡爾曼濾波算法研究及其在導航中的應用.pdf

1、隨著現(xiàn)代科技的發(fā)展,人們對導航精度的要求越來越高,而非線性濾波算法能為提高導航精度提供有力的基礎,因此得到了廣泛的關注和研究。容積卡爾曼濾波(CubatureKalmanFilter,CKF)是近年來新興起來的一種具有優(yōu)越性能的非線性濾波算法,該算法結構簡單,估計精度高,數(shù)值穩(wěn)定性好,克服了其它非線性濾波算法存在的一些問題,因此正成為非線性濾波算法中的研究熱點,本文對CKF算法進行了相應研究,所做的主要工作有:
　　(1)針對多源

2、信息融合等技術中經(jīng)常出現(xiàn)的噪聲相關非線性系統(tǒng),基于最小方差估計準則提出了兩種噪聲相關非線性高斯濾波公式:基于模型變換的噪聲相關非線性高斯濾波公式和基于一步預測遞推的噪聲相關非線性高斯濾波公式,并通過更新新息定理證明了二者的等價性,再利用三階球面-相徑容積規(guī)則近似其中高斯積分,進而提出兩種等價的噪聲相關CKF算法。
　　(2)常規(guī)確定采樣型濾波算法隨著處理非線性系統(tǒng)維數(shù)增高,采樣點個數(shù)增多,濾波計算量也相應增大,因此針對一類非線性高

3、斯系統(tǒng),證明了其狀態(tài)的后驗均值和協(xié)方差為導致該系統(tǒng)非線性的部分向量的高斯積分,并求得了積分表達式,再用三階球面-相徑容積規(guī)則近似其中高斯積分,提出降維CKF算法,從而在不損失濾波精度的情況下,減少濾波過程中采樣點個數(shù),降低計算量,并對降維濾波算法做了進一步探討,指出將該思想拓展到GHF算法更加具有現(xiàn)實意義。
　　(3)分析了強跟蹤濾波算法(STF)的運行機理,指出由于對量測一步預測協(xié)方差陣近似不夠準確,使得STF算法以較大概率產生

4、漸消因子,導致對濾波增益過調節(jié),最終產生對狀態(tài)估計不夠平滑,需要憑經(jīng)驗加入弱化因子來解決這一問題,為此提出了改進的強跟蹤濾波算法,避免了靠經(jīng)驗選取弱化因子的麻煩。同時推導并推導了統(tǒng)一的非線性系統(tǒng)強跟蹤濾波算法遞推公式,只需要用不同的策略近似其中的高斯積分,便可得到不同的非線性強跟蹤濾波算法。再利用三階球面-相徑容積規(guī)則近似高斯積分,進而提出了強跟蹤CKF算法,并針對一類特殊非線性系統(tǒng),提出了估計效果更佳的多漸消因子CKF算法,該算法能產