基于協(xié)方差交集算法的UKF研究.pdf

1、卡爾曼濾波經(jīng)過30多年的研究、應(yīng)用與發(fā)展，已經(jīng)成為最優(yōu)估計(jì)理論中一種最重要的方法廣泛應(yīng)用于各種領(lǐng)域，并展現(xiàn)出非常廣闊而誘人應(yīng)用前景。本文首先簡要回顧了卡爾曼濾波研究的發(fā)展歷程，介紹了卡爾曼濾波及其在改善數(shù)值穩(wěn)定性，提高計(jì)算效率等數(shù)值計(jì)算方面的研究與發(fā)展，然后研究了一種協(xié)方差交集算法，并將其應(yīng)用到多傳感器卡爾曼濾波中，取得了較好的結(jié)果，對無跡卡爾曼濾波，也作了部分研究。本論文的主要工作：
　　 (1)本文討論了一種提高無跡卡爾曼濾

2、波(UKF)精確度的方法。對于非線性系統(tǒng)，無跡卡爾曼濾波比卡爾曼濾波有更好的濾波效果，但當(dāng)噪聲的影響較大時(shí)，無跡卡爾曼濾波的精確度將會(huì)減低，如果將觀測噪聲和系統(tǒng)噪聲引入到采樣點(diǎn)中，可以增加了無跡卡爾曼濾波的抗干擾性，與常規(guī)無跡卡爾曼濾波相比，不僅保持了系統(tǒng)的穩(wěn)定性，而且提高了精確度。
　　 (2)本文研究了將協(xié)方差交集算法應(yīng)用到兩傳感器穩(wěn)態(tài)卡爾曼濾波中。針對兩傳感器穩(wěn)態(tài)卡爾曼濾波器的信息融合，目前有三種常用的加權(quán)分布式融合算法：

3、按標(biāo)量加權(quán)、按對角陣加權(quán)和按矩陣加權(quán)，但它們都需要得到局部穩(wěn)態(tài)濾波的誤差互協(xié)方差陣，才能計(jì)算出融合結(jié)果，而協(xié)方差交集算法在相關(guān)度未知的情況下，也能得到一個(gè)改進(jìn)的估值，因此將協(xié)方差交集算法應(yīng)用到兩傳感器穩(wěn)態(tài)卡爾曼濾波器的信息融合中，在互協(xié)方差陣未知的情況下，此方法能得到較好的信息融合結(jié)果。
　　 (3)本文研究了一種分布式狀態(tài)融合方法。針對傳感器觀測的非線性問題，引入了無跡卡爾曼濾波算法，它在穩(wěn)定性和精確性等方面均高于卡爾曼濾波，