【技术实现步骤摘要】
一种基于采样点调整的无迹卡尔曼滤波方法
本专利技术涉及信号处理领域，是一种基于采样点调整的无迹卡尔曼滤波方法。
技术介绍
经典卡尔曼滤波方法是目前应用最广泛的状态估计方法之一，适用于线性定常系统，然而在实际工程实践中系统多为非线性，经典卡尔曼滤波方法得不到解析解。对非线性系统，扩展卡尔曼滤波在滤波估计点对非线性进行线性化，但在动态系统非线性较强或测量噪声较大时，滤波性能下降甚至发散。无迹卡尔曼滤波方法由于其不需要计算雅可比矩阵而易于计算和计算复杂度低等优点，被广泛应用于信号处理领域；尤其是近年来随着科技的快速发展，无迹卡尔曼滤波方法被广泛的应用于航天、通信、无人驾驶、物联网等领域的信号处理。随着状态变量维度增加，经典无迹卡尔曼滤波方法的滤波精度会有所下降，因此，多种改进无迹卡尔曼滤波方法被提出，应用最广泛的优化策略是调整Sigma点的权重、数量或方向。然而，大多数的改进无迹卡尔曼滤波在采样更多的Sigma点时没有保持无迹卡尔曼滤波在泰勒级数展开时保持三阶精度的优点，且计算量复杂，估计精度较低，因此，滤波器性能和精度仍...
【技术保护点】
1.一种基于采样点调整的无迹卡尔曼滤波方法，其特征在于，包括以下步骤：/n1)指定初始时刻系统状态变量x
【技术特征摘要】
1.一种基于采样点调整的无迹卡尔曼滤波方法，其特征在于，包括以下步骤：
1)指定初始时刻系统状态变量x0的均值协方差阵P0；
2)根据K时刻的观测量、K-1时刻的状态变量xk-1和协方差阵Px,k-1，结合无迹卡尔曼数据模型及三阶精度条件，估计更新K时刻的系统状态量和协方差阵Px,k；
3)将K时刻增加1，返回步骤2)迭代。
2.如权利要求1所述的基于采样点调整的无迹卡尔曼滤波方法，其特征在于，步骤1)的具体步骤如下：
1-1)指定初始时刻状态变量x的先验初始分布为x0，初始时刻的状态变量x0为服从均值为x0、协方差阵为P0的高斯分布的随机抽样。
3.如权利要求1所述的基于采样点调整的无迹卡尔曼滤波方法，其特征在于，步骤2)所述结合无迹卡尔曼数据模型及三阶精度条件估计更新K时刻的系统状态量和协方差阵Px,k的具体方法为：
2-1-1)对采集到的非线性观测值建模，该模型包括有数据的状态方程和观测方程；选取出Sigma点通用形式，计算通用形式Sigma点的相应加权值，形成部分Sigma点集，根据加权值计算出所建模型保持三阶精度的条件；
2-1-2)结合步骤2-1-1)中所述三阶精度条件，调整部分Sigma点集的权重和方向，形成新Sigma点集。
4.如权利要求3所述的基于采样点调整的无迹卡尔曼滤波方法，特征在于，步骤2-1-1)的具体方法如下：
2-1-1-1)对采集到的非线性观测值建模，得到非线性观测值的空间模型，其状态方程和观测方程为：
xk+1＝f(xk)+vk
yk＝h(xk)+wk
其中，xk和yk分别表示k时刻系统的状态向量和观测向量，f(·)和h(·)为非线性向量函数，vk和wk分别是过程高斯噪声和观测高斯噪声，均值为零、协方差各为Qk和Rk且互不相关；
2-1-1-2)选取的Sigma点通用格式为：
其中ωi和Sa＝[sa,1,sa,2,…,sa,n]T分别表示采样点的大小和方向，[·]T表示矩阵转置，为状态向量x的均值，采样点个数为M+1；
2-1-1-3)观测量即输出y＝g(x)＝[g1(x),g2(x),…,gm(x)]T，在无迹卡尔曼滤波中，用Sigma点的加权和表示系统观测量均值：
其中E(·)为数学期望，Wi表示Sigma点的权重值；
2-1-1-4)根据步骤2-1-1-3)中系统观测值均值E(gi(x))，提出所建保持三阶精度的充分条件如下：
(1)M＝2Zn(Z∈{1,2,3,…})，n为状态变量x的维数；
(2)ω2(r-1)n+i＝-ω(2r-1)n+i(i＝1,2,…,n,r＝1,2,…,Z)；
(3)令Λ2r-1＝[S2(r-1)*n+1,S2(r-1)*n+2,…,S2(r-1)*n+n]且Λ2r＝[S(2r-1)*n+1,S(2r-1)*n+2,…，S(2r-1)*n+n...
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。