The invention belongs to the target tracking field of linear system, and relates to an adaptive Kalman filter method for unknown single noise. The invention comprises three parts in general. In the first part, the system is modeled according to the actual target motion; in the second part, the change of mean square error (MSE) in the system when the noise is unknown is studied and combined with the new information; in the third part, the unknown noise variance is calculated by solving the matrix on the basis of the second part. Compared with sage Husa adaptive filter, the new adaptive Kalman filter proposed by the invention has better filtering effect for noise estimation, can accurately estimate the moving state of the target, and effectively realizes the function of target tracking.
【技术实现步骤摘要】
一种基于观测噪声方差未知的自适应卡尔曼滤波方法
本专利技术属于线性系统的目标跟踪领域，涉及过程噪声方差未知的自适应卡尔曼滤波方法。
技术介绍
卡尔曼滤波算法自诞生以来，便在诸多领域得到广泛的应用。与维纳滤波相比，kalman滤波能够解决了非平稳随机信号或状态的最优估计问题。但是在非线性系统中就不能直接使用kalman滤波。通常人们使用扩展kalman滤波，即对非线性方程做泰勒级数展开，以进行线性化近似。在线性化误差较小的系统中使用ekf具有较高的估计精度。此外，还有无迹kalman滤波，积分kalman滤波，容积kalman滤波等通过定点采样实现对非线性系统的近似滤波，比ekf有着更好的估计精度，但同时计算量也大于ekf。除此之外，采用线性化近似的还有傅里叶klaman滤波和中心差分kalman滤波，也都具有较为良好的滤波效果。作为一种无偏的最小方差估计算法，卡尔曼滤波算法若要获得较好的系统状态估计，系统动态模型必须准确且噪声的统计特性必须为已知的不相关白噪声。此外，为了保证滤波结果的无偏性和滤波的稳定性，必须选取合适的滤波初值及其方差矩阵，否则可能会极大地影响滤...
【技术保护点】
1.一种基于观测噪声方差未知的自适应卡尔曼滤波方法，其特征在于该方法包括以下步骤：步骤1.系统建模：xk＝Fk,k‑1xk‑1+wk,k‑1zk＝Hkxk+vk式中，k表示时刻，xk∈Rn是系统状态向量，Fk,k‑1∈Rn×n是系统从时刻k‑1到时刻k的状态转移矩阵，wk,k‑1∈Rn表示均值为零，方差为Qk,k‑1∈Rn×n的高斯白噪声的过程噪声，zk∈Rp是xk的观测向量，Hk∈Rp×n表示观测矩阵，vk∈Rp表示均值为零，方差为Rk∈Rp×p的高斯白噪声的观测噪声，并且过程噪声和观测噪声并不相关；步骤2.将不同的均方误差与新息结合，具体是：过程噪声未知的情况下的存在三...
【技术特征摘要】
1.一种基于观测噪声方差未知的自适应卡尔曼滤波方法，其特征在于该方法包括以下步骤：步骤1.系统建模：xk＝Fk,k-1xk-1+wk,k-1zk＝Hkxk+vk式中，k表示时刻，xk∈Rn是系统状态向量，Fk,k-1∈Rn×n是系统从时刻k-1到时刻k的状态转移矩阵，wk,k-1∈Rn表示均值为零，方差为Qk,k-1∈Rn×n的高斯白噪声的过程噪声，zk∈Rp是xk的观测向量，Hk∈Rp×n表示观测矩阵，vk∈Rp表示均值为零，方差为Rk∈Rp×p的高斯白噪声的观测噪声，并且过程噪声和观测噪声并不相关；步骤2.将不同的均...
【专利技术属性】
技术研发人员：李云育，葛泉波，何红丽，
申请(专利权)人：杭州电子科技大学，
类型：发明
国别省市：浙江,33
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。