當存在高污染率的野值觀測時,現有的魯棒卡爾曼濾波器的數值穩(wěn)定性和抗差能力可能會嚴重退化.為此,基于近似最小一乘估計和修正的高斯牛頓方法提出一種新的魯棒卡爾曼濾波器,以減小含野量測對濾波器的不利影響.通過條件數分析和影響函數分析,從理論上證明所提出方法的數值穩(wěn)定性和抗差能力均好于基于Huber估計的卡爾曼濾波器.通過仿真實驗對理論分析結果進行驗證.仿真結果表明,在只有少量野值觀測的情況下,所提出的濾波器與Huber卡爾曼濾波器的估計性能大致相當;而在含有高污染率的野值觀測時,所提出的濾波器的估計性能明顯好于Huber卡爾曼濾波器.在仿真實驗中還對幾種濾波器的計算花費進行了比較,發(fā)現所提出濾波器的計算代價小于Huber卡爾曼濾波器的計算代價. 

【文章來源】：控制與決策. 2020,35(10)北大核心EICSCD

【文章頁數】：8 頁

【參考文獻】：
期刊論文
[1]基于HuberM估計的魯棒Cubature卡爾曼濾波算法[J]. 黃玉,武立華,孫楓.  控制與決策. 2014(03)
[2]乘積矩陣的奇異值估計[J]. 沈光星,陳立中.  浙江師大學報(自然科學版). 1999(03)



本文編號：3638662