一种新型无先导卡尔曼滤波方法技术

本发明专利技术公开了一种新型无先导卡尔曼滤波方法，该方法包括：S1：建立系统基本方程；S2：对系统进行初始化滤波；S3：计算2n+1个Sigma采样点；S4：计算2n+1个Sigma采样点的一步预测；S5：对系统进行时间更新；S6：迭代变量更新；S7：计算卡尔曼增益；S8：对系统状态进行更新和对协方差进行更新，并重复步骤S3至S7，直至滤波结束。应用本发明专利技术能够有效提高UKF滤波精度及鲁棒性。

A new method of Unscented Kalman filter

【技术实现步骤摘要】
一种新型无先导卡尔曼滤波方法
本专利技术涉及滤波
，特别是涉及一种新型无先导卡尔曼滤波方法。
技术介绍
Kalman(卡尔曼)滤波器自提出并被成功运用到“阿波罗登月计划”之后，由于其滤波性能较好和运算复杂度较低被广泛地运用到工程实践应用中，如故障检测、目标跟踪、卫星导航、飞机自动驾驶与定位和通信等领域。经典Kalman理论适用于线性系统，而现实世界基本都是非线性系统。因此，科学家们相继提出了适用于非线性系统的卡尔曼滤波理论，如EKF(ExtendKalmanFilter)、UKF(UnscentedKalmanFilter)。由于EKF计算量大而UKF精度较高、不要求系统可微、不要求计算Jacobi矩阵，这使得UKF较之EKF性能更强，因此，UKF被广泛地应用到工程实践中。随着UKF应用的深入，其在随着状态变量维度增加时滤波精度会有所下降或者鲁棒性较低等问题变得越来越明显。因此，越来越多的研究者使用不同的方法改进UKF算法以应用于不同的工程领域。侍壮飞等人在《改进的UKF算法估算锂离子电池SOC》中改进UKF算法将其运用到锂电子电本文档来自技高网...

【技术保护点】
1.一种新型无先导卡尔曼滤波方法，其特征在于，包括以下步骤：/nS1：建立系统基本方程，其表达式如下：/nx

【技术特征摘要】
1.一种新型无先导卡尔曼滤波方法，其特征在于，包括以下步骤：
S1：建立系统基本方程，其表达式如下：
xk＝f(xk-1)+wk-1(1)
zk＝h(xk)+vk(2)
式中，xk∈Rn表示k时刻的状态向量，zk∈Rn表示k时刻的量测向量，f(·)和h(·)分别为已知的非线性系统状态方程传递函数和非线性系统量测方程传递函数，过程噪声wk-1∈Rn和量测噪声vk∈Rn为不相关的高斯白噪声且两者都为0，协方差分别为Qk-1和Rk；
S2：对系统进行初始化滤波
设定状态估计与估计误差方差矩阵的初始值，其表达式分别如下；






S3：计算2n+1个Sigma采样点
计算k时刻状态估计的2n+1个Sigma采样点，n是状态变量的维数，计算公式为：



其中，表示矩阵(n+λ)Px的平方根矩阵的第i列，λ＝α2(n+k)-n决定了采样点与的距离，α为调节参数，k为另一个常数参数，通常取为3-n，影响高阶误差的均值和协方差的因素，表示状态向量的平均值；
S4：计算2n+1个Sigma采样点的一步预测
采样点一步预测信息的计算公式为：
Xk|k-1＝f(χk-1)(6)
S5：对系统进行时间更新
计算系统状态变量的一步预测的均值和一步预测的协方差，将采样点的一步预测信息代入非线性传递函数f(·)得到相应的均值和协方差，其中：
一步预测的均值的计算公式为：



其中，表示计算均值所需的权重；
一步预测的协方差的计算公式为：



其中，表示计算协方差所需的权重；
S6：迭代变量更新
利用步骤S5得到一步预测值进行重复UT变换得到新的Sigma点集，并将新的Sigma点集代入系统基本方程得到量测估计值、量测向量的互协方差矩阵和自协方差矩阵，其中：
量测估...

【专利技术属性】
技术研发人员：杨军，李娟，田粉仙，孙欣欣，李克丽，梁颖，孟圆，李俊，王圣凯，
申请(专利权)人：云南大学，
类型：发明
国别省市：云南;53