一种改进的迭代无迹卡尔曼滤波算法

2019-10-21 01:08:20陈波
计算机应用与软件 2019年10期
关键词:卡尔曼滤波系统

陈 波

(新乡学院机电工程学院 河南 新乡 453003)

0 引 言

系统状态变量的精确估计对故障检测和控制应用有重要的作用。然而,非线性系统是不容易估计的,需要得到描述该运动的全概率密度函数。这种解决方案一般会受到多状态、不对称和不连续性等因素的影响。由于对全概率密度函数的形式没有限制,在一般情况下,它不能用有限的参数来表示。因此,任何实际的估计必须使用某些类型的近似值。目前许多不同类型的近似值已经得到应用,可是大多数的应用要么计算量难以处理,要么需要对难以实践的过程和观察模型做特殊的设想。主要由于这些原因,卡尔曼滤波(Kalman Filter,KF)一直是最广泛使用的估计算法。

张文等[1]分析了扩展卡尔曼滤波(EKF)、无迹卡尔曼滤波(UKF),说明对于强非线性系统,UKF比EKF具有更强的优越性。张玉峰等[2]提出了一种基于平方根滤波的非线性卡尔曼滤波方法——自适应平方根无迹卡尔曼滤波方法,改进了传统的Sage-Husa自适应滤波算法,结合平方根无迹卡尔曼滤波算法进行非线性滤波。但其要确保系统状态和噪声方差阵的对称性和非负定性,增加了算法的计算量。李敏等[3]提出了一种改进的强跟踪平方根UKF算法,通过引入多重自适应衰减因子调节协方差矩阵,提高了滤波器的估计精度,但其估计精度的提高有限。张园等[4]提出s修正无迹卡尔曼滤波(SUKF)方法,虽然跟踪精度大幅提高了,但其增加了跟踪的计算量。黄平等[5]提出了一种基于量测一步预测信息的在线自调整的UKF算法,根据单步滤波的预测信息选取滤波时刻的最优滤波参数,进而实现算法的在线调整。……

登录APP查看全文

猜你喜欢
卡尔曼滤波系统
Smartflower POP 一体式光伏系统
工业设计(2022年8期)2022-09-09 07:43:20
WJ-700无人机系统
ZC系列无人机遥感系统
北京测绘(2020年12期)2020-12-29 01:33:58
基于PowerPC+FPGA显示系统
半沸制皂系统(下)
改进的扩展卡尔曼滤波算法研究
测控技术(2018年12期)2018-11-25 09:37:34
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
连通与提升系统的最后一块拼图 Audiolab 傲立 M-DAC mini
基于模糊卡尔曼滤波算法的动力电池SOC估计
电源技术(2016年9期)2016-02-27 09:05:39
基于扩展卡尔曼滤波的PMSM无位置传感器控制
电源技术(2015年1期)2015-08-22 11:16:28