【摘要】：為了提高非線性變換的近似精度,提出了一種高階無跡變換(High orderUnscented Transform,HUT)機制,利用HUT確定采樣點并進行數(shù)值積分去近似狀態(tài)的后驗概率密度函數(shù),建立了高階無跡卡爾曼濾波(High-order UnscentedKalman Filter,HUKF)算法.進一步的為了解決非線性、非高斯系統(tǒng)的狀態(tài)估計問題,將HUKF與高斯和濾波(Gaussian Sum Filter,GSF)相結合,提出了一種高斯和高階無跡卡爾曼濾波算法(Gaussian Sum High order Unscented Kalman filter,GS-HUKF),該算法的核心思想是利用一組高斯分布的和去近似狀態(tài)的后驗概率密度,同時針對每一個高斯分布采用高階無跡卡爾曼濾波算法進行估計.數(shù)值仿真實驗結果表明,提出的HUT機制與普通的無跡變換(Unscented Transform,UT)相比,具有更高的近似精度;提出的GS-HUKF與傳統(tǒng)的GSF以及高斯和粒子濾波器(Gaussian Sum Particle Filter,GS-PF)相比,兼容了二者的優(yōu)點,即具有計算復雜度低和估計精度高的特性.
[Abstract]:In order to improve the approximate accuracy of nonlinear transformation, a higher order unscented transformation (High orderUnscented Transform,HUT) mechanism is proposed, in which the sampling points are determined by HUT and the posterior probability density function of approximate state is obtained by numerical integration. A high order unscented Kalman filter (High-order UnscentedKalman Filter,HUKF) algorithm is established. In order to solve the nonlinear state estimation problem of non-Gao Si system, a novel state estimation algorithm (Gaussian Sum High order Unscented Kalman filter,GS-HUKF) is proposed, which combines HUKF with Gao Si and filtering (Gaussian Sum Filter,GSF, and has a high order unscented Kalman filter algorithm (Gaussian Sum High order Unscented Kalman filter,GS-HUKF). The core idea of the algorithm is to use a set of posterior probability densities of Gao Si distribution and de-approximation state, and to estimate each Gao Si distribution using high-order unscented Kalman filtering algorithm. The numerical simulation results show that the proposed HUT mechanism has a higher approximate accuracy than the conventional unscented transformation (Unscented Transform,UT). Compared with traditional GSF and Gao Si and particle filter (Gaussian Sum Particle Filter,GS-PF, the proposed GS-HUKF has the advantages of low computational complexity and high estimation accuracy.
【作者單位】： 安徽科技學院電氣與電子工程學院;東南大學儀器科學與工程學院;
【基金】：國家自然科學基金(No.61374215) 安徽科技學院人才穩(wěn)定項目;安徽科技學院重點學科建設(No.AKZDXK2015C02)
【分類號】：TN713

【相似文獻】

相關期刊論文 前10條

1 蘭義華;任浩征;張勇;趙雪峰;;一種基于“當前”模型的改進卡爾曼濾波算法[J];山東大學學報(工學版);2012年05期

2 史百舟;鄔齊斌;;擬自適應推廣卡爾曼濾波算法[J];青島化工學院學報;1992年04期

3 萬建偉,皇甫堪,梁甸農(nóng);基于推廣卡爾曼濾波算法的聲測定位技術[J];國防科技參考;1997年04期

4 程進偉;李建勛;;卡爾曼濾波算法評估平臺的設計與實現(xiàn)[J];系統(tǒng)仿真學報;2013年11期

5 夏建濤,任震,陳立,景占榮;極坐標下卡爾曼濾波算法的研究[J];西北工業(yè)大學學報;2000年03期

6 李振營,沈毅,胡恒章;帶未知時變噪聲系統(tǒng)的卡爾曼濾波算法研究[J];系統(tǒng)工程與電子技術;2000年01期

7 楊春玲,余英林,劉國歲;轉換坐標卡爾曼濾波算法分析[J];計算機工程與設計;2001年05期

8 吳文華;丁子明;談展中;;卡爾曼濾波算法工程化設計[J];電子測量技術;2003年04期

9 高磊,崔鑫水;一種自適應協(xié)方差矩陣旋轉變換卡爾曼濾波算法及其應用[J];航天控制;2004年03期

10 高磊;一種反饋修正推廣卡爾曼濾波算法及其應用[J];航天控制;2004年05期

相關會議論文 前9條

1 劉棟;王惠林;;卡爾曼濾波算法在目標定位系統(tǒng)中的應用[A];第九屆全國光電技術學術交流會論文集（上冊）[C];2010年

2 周紅波;耿伯英;;基于目標跟蹤的無偏轉換測量卡爾曼濾波算法研究[A];2007中國控制與決策學術年會論文集[C];2007年

3 陳婧;謝磊;李備;;水路交通中的卡爾曼濾波算法綜述[A];第七屆中國智能交通年會論文集[C];2012年

4 趙汝祺;趙祚喜;趙汝準;;基于多項式卡爾曼濾波算法的車輛定位試驗研究[A];中國農(nóng)業(yè)工程學會2011年學術年會論文集[C];2011年

5 曾翠娟;杜傳利;;動態(tài)GPS自適應卡爾曼濾波算法的FPGA實現(xiàn)[A];第13屆全國計算機、網(wǎng)絡在現(xiàn)代科學技術領域的應用學術會議論文集[C];2007年

6 李鵬;宋申民;陳興林;;自適應平方根無跡卡爾曼濾波算法[A];2009年中國智能自動化會議論文集（第八分冊）[控制理論與應用（�？[C];2009年

7 程慧俐;王紀文;張洪鉞;;在未知噪聲統(tǒng)計情況下的一種新的自適應卡爾曼濾波算法[A];1994中國控制與決策學術年會論文集[C];1994年

8 劉健;劉忠;玄兆林;;純方位目標運動分析的自適應擴展卡爾曼濾波算法[A];2005年全國水聲學學術會議論文集[C];2005年

9 朱寧;錢偉康;郭強;;基于嵌入式XP的光譜分析系統(tǒng)[A];全國第一屆嵌入式技術聯(lián)合學術會議論文集[C];2006年

相關博士學位論文 前5條

1 孫景榮;X射線脈沖星導航及其增強方法研究[D];西安電子科技大學;2014年

2 葛磊;容積卡爾曼濾波算法研究及其在導航中的應用[D];哈爾濱工程大學;2013年

3 馮波;線性濾波估計算法研究及在慣性導航系統(tǒng)中的應用[D];北京理工大學;2014年

4 孟軍英;基于粒子濾波框架目標跟蹤優(yōu)化算法的研究[D];燕山大學;2014年

5 周聰;基于非線性估計理論的線控轉向汽車狀態(tài)估計研究[D];西南交通大學;2012年

相關碩士學位論文 前10條

1 龐瀛洲;關于電池BMS系統(tǒng)SOC估測算法的研究[D];長安大學;2015年

2 張冬梅;基于改進卡爾曼濾波算法的SOC估計方法研究[D];西南交通大學;2015年

3 林燕平;長基線導航系統(tǒng)濾波算法的研究與實現(xiàn)[D];沈陽理工大學;2015年

4 唐鵬;基于ADS-B數(shù)據(jù)監(jiān)視性能評估技術研究[D];中國民航大學;2015年

5 陳辰;基于卡爾曼濾波算法的短期風電功率預測[D];新疆大學;2015年

6 馬康健;基于分布式共識的無線傳感器網(wǎng)絡目標跟蹤技術研究[D];哈爾濱工業(yè)大學;2016年

7 周暄承;可穿戴計算中能效提高策略研究[D];南京郵電大學;2016年

8 杜振新;基于無跡卡爾曼濾波算法的動力電池剩余電量估算[D];長安大學;2016年

9 張弛;基于無跡卡爾曼濾波算法的某民航發(fā)動機性能衰退分析[D];中國民航大學;2016年

10 張兵;基于突變擾動的SOC估算研究[D];重慶郵電大學;2016年

，

本文編號：2322291