容積卡爾曼濾波算法研究及其在導(dǎo)航中的應(yīng)用.pdf

1、隨著現(xiàn)代科技的發(fā)展,人們對導(dǎo)航精度的要求越來越高,而非線性濾波算法能為提高導(dǎo)航精度提供有力的基礎(chǔ),因此得到了廣泛的關(guān)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(jié)構(gòu)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(diǎn),本文對CKF算法進(jìn)行了相應(yīng)研究,所做的主要工作有:
　　(1)針對多源

2、信息融合等技術(shù)中經(jīng)常出現(xiàn)的噪聲相關(guān)非線性系統(tǒng),基于最小方差估計準(zhǔn)則提出了兩種噪聲相關(guān)非線性高斯濾波公式:基于模型變換的噪聲相關(guān)非線性高斯濾波公式和基于一步預(yù)測遞推的噪聲相關(guān)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(jìn)而提出兩種等價的噪聲相關(guān)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(diǎn)個數(shù)增多,濾波計算量也相應(yīng)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(yàn)均值和協(xié)方差為導(dǎo)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(dá)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(diǎn)個數(shù),降低計算量,并對降維濾波算法做了進(jìn)一步探討,指出將該思想拓展到GHF算法更加具有現(xiàn)實(shí)意義。
　　(3)分析了強(qiáng)跟蹤濾波算法(STF)的運(yùn)行機(jī)理,指出由于對量測一步預(yù)測協(xié)方差陣近似不夠準(zhǔn)確,使得STF算法以較大概率產(chǎn)生

4、漸消因子,導(dǎo)致對濾波增益過調(diào)節(jié),最終產(chǎn)生對狀態(tài)估計不夠平滑,需要憑經(jīng)驗(yàn)加入弱化因子來解決這一問題,為此提出了改進(jìn)的強(qiáng)跟蹤濾波算法,避免了靠經(jīng)驗(yàn)選取弱化因子的麻煩。同時推導(dǎo)并推導(dǎo)了統(tǒng)一的非線性系統(tǒng)強(qiáng)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(qiáng)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(jìn)而提出了強(qiáng)跟蹤C(jī)KF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(chǎn)