漸消卡爾曼濾波器滑動(dòng)采樣區(qū)間長(zhǎng)度N的取值為單一定值,難以實(shí)現(xiàn)濾波精度與動(dòng)態(tài)性之間的平衡。針對(duì)該問(wèn)題,提出了一種基于IGGⅢ方案的自適應(yīng)漸消卡爾曼濾波器。該濾波器進(jìn)行新息異常卡方檢測(cè),通過(guò)構(gòu)建一個(gè)類似于IGGⅢ權(quán)函數(shù)的三段式滑動(dòng)采樣區(qū)間長(zhǎng)度N的取值函數(shù),實(shí)現(xiàn)滑動(dòng)采樣區(qū)間長(zhǎng)度N的自適應(yīng)優(yōu)化選取,提升濾波精度。Matlab仿真結(jié)果證明,基于IGGⅢ方案的自適應(yīng)漸消卡爾曼濾波器在系統(tǒng)穩(wěn)定情況下濾波結(jié)果更加精確,系統(tǒng)模型參數(shù)發(fā)生變化時(shí)具有更好的動(dòng)態(tài)性,能夠?qū)崿F(xiàn)濾波精度與動(dòng)態(tài)性之間的平衡。 

【文章來(lái)源】：計(jì)算機(jī)工程與應(yīng)用. 2020,56(14)北大核心CSCD

【文章頁(yè)數(shù)】：5 頁(yè)

【部分圖文】：

基于IGGIII方案的自適應(yīng)卡爾曼濾波器原理框圖

本文利用以上仿真模型進(jìn)行了卡爾曼濾波器（KF）、自適應(yīng)漸消卡爾曼濾波器（AFKF）以及基于IGGIII方案的自適應(yīng)漸消卡爾曼濾波器（IGGAFKF）的對(duì)比驗(yàn)證，仿真結(jié)果如圖2所示。如圖2三種算法的位置估計(jì)仿真結(jié)果所示，IGGAFKF的濾波估計(jì)結(jié)果更加接近于目標(biāo)的真實(shí)位置。KF和AFKF位置估計(jì)都存在不同程度的偏離。KF在目標(biāo)機(jī)動(dòng)位置出現(xiàn)較大估計(jì)偏差，AFKF濾波估計(jì)結(jié)果偏離程度要小于KF，但高于IGGAFKF。

圖3分別展示了三種算法的位置誤差對(duì)比。通過(guò)對(duì)比三種算法的誤差曲線可知，在目標(biāo)穩(wěn)定行進(jìn)過(guò)程中，AFKF的估計(jì)誤差存在較大波動(dòng)，IGGAFKF通過(guò)增大滑動(dòng)采樣區(qū)間長(zhǎng)度，增強(qiáng)濾波魯棒性，估計(jì)結(jié)果更加平穩(wěn)、精確。在目標(biāo)進(jìn)行機(jī)動(dòng)時(shí)，KF、AFKF、IGGAFKF誤差都開(kāi)始變大，但是IGGAFKF誤差峰值明顯低于KF及AFKF，說(shuō)明IGGAFKF在目標(biāo)運(yùn)動(dòng)狀態(tài)發(fā)生較大變化時(shí)對(duì)于準(zhǔn)確量測(cè)信息具有更好的動(dòng)態(tài)跟蹤性能，能夠抑制模型不準(zhǔn)造成的濾波發(fā)散。并且IGGAFKF通過(guò)減小滑動(dòng)采樣區(qū)間長(zhǎng)度，在經(jīng)過(guò)2次迭代后將誤差控制在1 m范圍內(nèi)，KF和AFKF分別需要8次和4次，所以，IGGAFKF能夠在濾波出現(xiàn)發(fā)散時(shí)實(shí)現(xiàn)快速收斂，提高濾波精度。由上可知，IGGAFKF在系統(tǒng)穩(wěn)定情況下濾波結(jié)果更加精確，系統(tǒng)模型參數(shù)發(fā)生變化時(shí)具有更好的動(dòng)態(tài)性，能夠?qū)崿F(xiàn)濾波精度與動(dòng)態(tài)性之間的平衡，驗(yàn)證了此算法的可行性與優(yōu)越性。圖4顯示了位置誤差的占比。IGGAFKF 42%的采樣點(diǎn)位置誤差小于0.25 m,89%采樣點(diǎn)位置誤差小于0.5 m,100%的采樣點(diǎn)誤差小于2 m。KF相同誤差的占比分別為38%、77%和89%。AFKF相同誤差的占比為33%、77%和98%。且由表1中三種濾波算法的誤差統(tǒng)計(jì)數(shù)據(jù)可知，IGGAFKF最大誤差為1.66 m，明顯小于KF和AFKF最大誤差。IGGAFKF平均誤差為0.32 m，相對(duì)于KF與AFKF的平均誤差分別提升了121%、37%。因此，IGGAFKA具有更高的濾波估計(jì)精度。

【參考文獻(xiàn)】：
期刊論文
[1]基于M估計(jì)的魯棒后向平滑CKF單站跟蹤算法[J]. 任臻,李積英,吳昊.  計(jì)算機(jī)工程與應(yīng)用. 2019(11)
[2]基于目標(biāo)跟蹤的自適應(yīng)廣義高階CKF算法[J]. 彭志穎,夏海寶,許蘊(yùn)山.  計(jì)算機(jī)工程與應(yīng)用. 2018(11)
[3]一種基于漸消因子的區(qū)間卡爾曼濾波器方法[J]. 徐韓,曾超,黃清華.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2017(12)
[4]基于滑動(dòng)窗口的新息自適應(yīng)組合導(dǎo)航算法[J]. 趙琳,李久順,程建華.  系統(tǒng)工程與電子技術(shù). 2017(11)
[5]改進(jìn)的自適應(yīng)Kalman濾波在SINS/GPS組合導(dǎo)航中的應(yīng)用[J]. 胡方強(qiáng),呂濤,包亞萍.  計(jì)算機(jī)工程與應(yīng)用. 2018(05)
[6]兩種新的IGGⅢ的改進(jìn)方案[J]. 劉宸,劉長(zhǎng)建,王賽,許嶺峰,張學(xué)東.  測(cè)繪通報(bào). 2016(10)
[7]改進(jìn)的強(qiáng)跟蹤SVD-UKF算法在組合導(dǎo)航中的應(yīng)用[J]. 孫磊,黃國(guó)勇,李越.  計(jì)算機(jī)工程與應(yīng)用. 2017(10)
[8]基于新息χ2檢測(cè)的擴(kuò)展抗差卡爾曼濾波及其應(yīng)用[J]. 苗岳旺,周巍,田亮,崔志偉.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2016(02)
[9]改進(jìn)新息自適應(yīng)交互多模的GPS/SINS組合導(dǎo)航濾波算法[J]. 張闖,趙修斌,龐春雷,徐杰,張建安.  空軍工程大學(xué)學(xué)報(bào)(自然科學(xué)版). 2015(06)
[10]基于多重漸消因子的自適應(yīng)卡爾曼濾波器[J]. 高偉,李敬春,奔粵陽(yáng),楊曉龍.  系統(tǒng)工程與電子技術(shù). 2014(07)



本文編號(hào)：3213846