基于量测一步预测信息的自调整UKF

黄　平, 詹洋燕, 程广舟

(哈尔滨工程大学自动化学院, 黑龙江 哈尔滨 150001)



基于量测一步预测信息的自调整UKF

黄平, 詹洋燕, 程广舟

(哈尔滨工程大学自动化学院, 黑龙江 哈尔滨 150001)

摘要：针对无迹卡尔曼滤波(unscented Kalman filter, UKF)中自由调节参数的选取问题,通过研究不同的对于滤波性能的影响,提出基于量测一步预测信息的在线自调整的UKF方法。所提方法是通过根据每一滤波时刻量测的一步预测信息,对滤波参数进行选取,选出每一滤波时刻的最优滤波参数,从而实现算法的在线调整。数值仿真表明,基于量测一步预测信息的自调整UKF对于真实状态的跟踪效果要优于固定参数的无迹卡尔曼滤波。

关键词：自调整; 无迹卡尔曼滤波; 非线性; 一步预测信息

0引言

扩展卡尔曼滤波(extend Kalman filter,EKF)是工程上使用最早的非线性滤波方法[1]。自从20世纪60年代提出以来,被广泛应用到各个领域[2]。但是,面对强非线性系统时,由于存在高阶项的截断误差EKF，很可能会导致滤波的发散。基于“对概率分布进行近似要比对非线性函数近似容易很多”的观点，文献[3]提出了无迹卡尔曼滤波器(unscented Kalman filter,UKF)。

从UKF产生开始,在状态向量服从正态分布时,人们一直认为满足n+k=3(n为系统的维数)时,无损变换(unscented transformation,UT)能够有比较出色的表现[4-6]。随着容积卡尔曼滤波(cubature Kalman filter,CKF)的产生,使得调节参数κ的选取再次成为人们关注的焦点问题[7-8]。虽然UKF与CKF滤波有着不同的假定和理论推导,但是从滤波方法上来看,CKF滤波实质上就是UKF的一种特例(κ=0)。两种滤波在不同维数下的滤波精度是不同的,也就是说κ的选取并不是固定不变的。……