交互式容积卡尔曼滤波及其应用 交互式容积卡尔曼滤波及其应用
CSTR:
作者:
作者单位:

哈尔滨工业大学航天学院,哈尔滨150001.

作者简介:

于浛

通讯作者:

中图分类号:

V 448.2

基金项目:

国家自然科学基金项目(61174037);国家自然科学基金创新群体项目(61021002).


Interaction cubature Kalman filter and its application
Author:
Affiliation:

School of Astronautics,Harbin Institute of Technology,Harbin 150001,China.

Fund Project:

  • 摘要
  • |
  • 图/表
  • |
  • 访问统计
  • |
  • 参考文献
  • |
  • 相似文献
  • |
  • 引证文献
  • |
  • 资源附件
  • |
  • 文章评论
    摘要:

    针对非线性系统模型参数未知情况下的状态估计问题, 提出一种融合极大后验估计的交互式容积卡尔曼滤波算法(InCKF). 该算法利用二阶斯特林插值公式和无迹变换对非线性函数的近似思想, 实现对模型未知参数的确定, 从而使滤波算法摆脱对模型参数精确已知的依赖, 并通过容积卡尔曼滤波算法完成状态估计和量测更新. 仿真结果表明, 相比于经典的参数扩维方法, InCKF 算法具有更高的精度和更强的数值稳定性.

    Abstract:

    For the problem of states estimation of nonlinear systems with respect to unknown parameters, a filter named interaction cubature Kalman filter(InCKF) is proposed. The novel filter is consisted of multiple concurrent CKFs interlacing with a maximum posteriori(MAP) estimator. By taking advantage of special properties of second order of Stirling’s interpolation and unscented transformation to approximate nonlinear functions, the unknown parameters are estimated and the performance of InCKF does not depend on the precision of model parameters. Furthermore, the states of system are estimated by using the cubature Kalman filter(CKF). The simulation results show that the InCKF is more accurate and stabilized than the classical method of state augmentation in the situation that model parameters are unknown.

    参考文献
    相似文献
    引证文献
引用本文

于浛 宋申民 王硕.交互式容积卡尔曼滤波及其应用 交互式容积卡尔曼滤波及其应用[J].控制与决策,2015,30(9):1660-1666

复制
分享
文章指标
  • 点击次数:
  • 下载次数:
  • HTML阅读次数:
  • 引用次数:
历史
  • 收稿日期:2014-06-09
  • 最后修改日期:2014-12-31
  • 录用日期:
  • 在线发布日期: 2015-09-20
  • 出版日期:
文章二维码