針對高階容積卡爾曼濾波器在非高斯噪聲情況下濾波精度下降的問題,提出了一種新的基于Maximum Correntropy Criterion（MCC）的魯棒高階容積卡爾曼濾波算法�？紤]到高階容積規(guī)則可以較好地解決非線性問題,在高階容積濾波的基礎(chǔ)上,結(jié)合統(tǒng)計線性回歸模型對量測更新過程進行重構(gòu),利用MCC估計算法實現(xiàn)狀態(tài)的量測更新,同時解決了系統(tǒng)的非線性和非高斯問題。將所提算法應(yīng)用到SINS/GPS組合導(dǎo)航系統(tǒng)中,仿真結(jié)果表明,核寬的選取對算法的濾波性能有較大的影響,在高斯混合噪聲條件下,所提算法相比傳統(tǒng)高階容積卡爾曼濾波算法具有更強的魯棒性和更高的濾波精度。 

【文章頁數(shù)】：8 頁

【文章目錄】：
1 引言
2 SINS/GPS組合導(dǎo)航系統(tǒng)模型
    2.1 組合導(dǎo)航系統(tǒng)狀態(tài)方程
    2.2 組合導(dǎo)航系統(tǒng)量測方程
3 基于MCC的魯棒高階CKF算法
    3.1 最大相關(guān)熵
    3.2 高階容積卡爾曼濾波
    3.3 統(tǒng)計線性回歸的MCC方法
    3.4 基于MCC的高階容積卡爾曼濾波算法
    3.5 算法魯棒性分析
4 仿真實驗與分析
5 結(jié)論


【參考文獻】：
期刊論文
[1]基于目標跟蹤的自適應(yīng)廣義高階CKF算法[J]. 彭志穎,夏海寶,許蘊山.  計算機工程與應(yīng)用. 2018(11)
[2]簡化高階強跟蹤容積卡爾曼濾波及其在組合導(dǎo)航中的應(yīng)用[J]. 郝順義,盧航,魏翔,許明琪.  控制與決策. 2019(10)
[3]基于Huber的魯棒廣義高階容積卡爾曼濾波算法[J]. 秦康,董新民,陳勇,劉棕成,李洪波.  控制與決策. 2018(01)
[4]基于魯棒高階容積濾波的無人機相對導(dǎo)航狀態(tài)估計方法[J]. 金紅新,楊濤,王小剛,盧鑫,李璞.  國防科技大學(xué)學(xué)報. 2017(04)
[5]基于魯棒濾波的無人機著陸相對導(dǎo)航方法[J]. 陳誠,王小剛,秦武韜,崔乃剛,許河川.  中國慣性技術(shù)學(xué)報. 2017(03)
[6]基于Huber的魯棒高階容積卡爾曼濾波算法[J]. 秦康,董新民,陳勇.  計算機工程與應(yīng)用. 2017(07)
[7]基于組合導(dǎo)航系統(tǒng)的非線性高斯濾波算法[J]. 王碩,宋申民,于浛,史小平.  控制與決策. 2016(09)
[8]基于Huber的高階容積卡爾曼跟蹤算法[J]. 張文杰,王世元,馮亞麗,馮久超.  物理學(xué)報. 2016(08)
[9]基于廣義M估計的魯棒容積卡爾曼濾波目標跟蹤算法[J]. 吳昊,陳樹新,楊賓峰,陳坤.  物理學(xué)報. 2015(21)
[10]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)



本文編號：3704049