【技术实现步骤摘要】
本专利技术属于自适应滤波领域，针对杂波环境中观测噪声难以估算的问题，提出了一种基于概率数据关联算法的滤波方法。
技术介绍
1、卡尔曼滤波器为线性运动滤波问题提供了一个递推的最优解，由于其具有较低的计算成本和较小的存储空间要求，广泛应用于导航、状态估计、目标跟踪等领域。卡尔曼滤波器优异性能的表现主要依赖于对观测的线性运动系统的精确获知，例如初始状态、状态转移矩阵、测量矩阵、过程噪声协方差矩阵和观测噪声协方差矩阵。但是在许多实际应用中获取运动系统的先验知识难实现甚至是不可能的，该问题限制了卡尔曼滤波器实际的使用场景。
2、研究表明，卡尔曼滤波器使用不精确的过程噪声协方差和观测噪声协方差会降低状态估计的效果，甚至导致卡尔曼滤波器的发散。在不同环境下，对于不同目标而言，过程噪声是时变的、难以获取的。为了获取更优秀的滤波性能，我们希望能获取更接近真实值的观测噪声数值用于滤波预测。
3、自19世纪70年代观测噪声的估算方法被提出后，在稳定环境下根据雷达观测的持续目标位置计算雷达观测噪声的算法逐渐成熟，但是由于杂波环境下虚警信...
【技术保护点】
1.一种观测噪声未知的杂波环境下基于概率数据关联的滤波方法，该方法所针对的离散线性时不变系统的运动方程为：
2.如权利要求1所述的一种观测噪声未知的杂波环境下基于概率数据关联的滤波方法，其特征在于，所述步骤4的具体计算方法为：
3.如权利要求1所述的一种观测噪声未知的杂波环境下基于概率数据关联的滤波方法，其特征在于，所述步骤5的具体计算方法为：
4.如权利要求1所述的一种观测噪声未知的杂波环境下基于概率数据关联的滤波方法，其特征在于，所述步骤7的具体方法为：
【技术特征摘要】
1.一种观测噪声未知的杂波环境下基于概率数据关联的滤波方法，该方法所针对的离散线性时不变系统的运动方程为：
2.如权利要求1所述的一种观测噪声未知的杂波环境下基于概率数据关联的滤波方法，其特征在于，所述步骤4的具体计算方法为：
【专利技术属性】
技术研发人员：李晓雪，杨子奇，王丽，蒲友雷，刘亚涛，江岳，陈旭，黎乔禹，
申请(专利权)人：电子科技大学，
类型：发明
国别省市：
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。