一种改进扩展卡尔曼滤波新方法

所需积分/C币:50 2018-03-01 01:53:19 1.56MB PDF
收藏 收藏 2
举报

针对现有的迭代扩展卡尔曼滤波(EIEKF)跟踪时估计精度较低这一不足,提出了一种改进扩展卡尔曼滤波(NIEKF)新算法。该算法将迭代滤波理论引入到扩展卡尔曼滤波方法中,重复利用观测信息,采用经典的非线性非高斯模型进行仿真实验,给出 了该方法与扩展卡尔曼滤波(EKF)、Unscented 卡尔曼滤波(UKF)、现有的迭代扩展卡尔曼滤波(EIEKF)的仿真结果,并分析了其跟踪性能和均方根误差。仿真结果表明,改进扩展卡尔曼滤波(NIEKF)新方法具有更高的估计精度。
202010,46(19) Computer Engineering and Applications计算机工程与应用 K,(k-yg (27) EKE UKF d fo EIEKF NIEKF end for 其中P,P分别为状态过程噪声协方差和测量噪声协方差, Lcvenbcre- Marquardt参数设定为0.1 4仿真结果与分析 为了与现有滤波方法如扩展卡尔曼滤波(EKF), Unsent ed卡尔曼滤波(UKF)、迭代扩展卡尔曼滤波( EIEKF)等方法 进行对比,采样如下的非线性非高斯系统模型 图2100次蒙特卡罗仿真的RMSE xk=1+sin(0.4xk)+0.5xk-1+k-1 (28) 走1RMSE的均值和方差 2x2+v2k≤30 0.5x-2k>30 算法 均值 方差 0.0462770 这里w服从 Gamma(3,2)分布,观测噪声ν服从高斯分布 UKF 0.447080.0511700 N(0、103),日标的初始状态x=1,经过100次蒙特卡罗仿真, EIEKF 0.51524 0.0046030 每次仿真时间是60s,采样间隔为1s。一次独立实验的均方 NIEKF 0.30459 0.00l7256 根误差定义为 5结论 RMSE=∑(=x) (29) 对于非线性非高斯问题,提出了·种改进扩展卡尔曼滤 图1、图2分别表示各个滤波方法对目标状态的估计曲线波(NEKF)新方法。该方法将迭代滤波理论引入到扩展卡尔 和均方根误差曲线图。表1给出了重复进行100次蒙特卡罗曼滤波器方法中,有效地重复利用新的测量信息,还利用Lev 实验得到的EKF、 UKF EIEKF与 NIEKF性能对比统计结果 enberg-Marquardt方法调整预测协方差阵以保证算法具有全 clcan 局收敛性。实验结果表明.所提方法具有更高的估计精度,是 t noisy 种效率较高、性能较好的跟踪方法。 40)+本+++ EKF estimate UKF estimate EIEKF estimate NIEKF estimate 参挚文献: 25 [1 Daum F E Nonlinear filters: beyond the Kalman filter]IEEE 事 AES Systems Magazine, 2005, 20(8): 57-69 [2]Li X R,Jilkov V PA survey of maneuvering target tracking ap proximation techniques for nonlinear filtering[c]/ proc of the 10 40 SPIE. rlando:SPI,2004,5428:537-550 time 3 Jihua Zhu, Nanning Zheng, Zejian Yuan, et aL.A SLAM algo 图1不同滤波器的状态估计 rithm based on the central difference Kalman filter[C]/Intell 山图1、图2可知,利用FKF方法的佔计性能最差,利用 gent Vehicles Symposium IEEE, 2009: 123-128 EEKF方法能够得到较好的估计,但在对定位精度要求较高(4] Julier s, Uhlmann J K Unscented filtering and nonlincar cstima 的场合仍然难以满足实际需要,而提出的 NIEKF方法能够得 tion]TFEE,2004,92(3):401-42 到更高的佔计精度。由于采用 Lcvcnbcrg-Marquardt优化迭代5]李良群姬红兵,罗军辉迭代扩展卡尔曼粒了滤波器J西安电子 过程,增加了迭代算法的稳定性。仿真实验结果证实了所提 科技大学学报:白然科学版,2007,34(2):233-238 出方法的有效性。由表1可以看出各个滤波方法(EKF、UKF、(6] Dennis j, Schnabel R Numerical methods for unconstrained opti- EIEKE、 NIEKF)对状态佔计的均方根误差(RMSE)均值和方 mi/ation and nonlincar cquations[M/OL]. Philadelphia: SIAM 差的变化,提出的 NIEKF方法估计精度最高 1996:218-236 ?1994-2014ChinaAcademicJournalElectronicPublishingHouse.Allrightsreservedhttp://www.cnki.net

...展开详情
立即下载 低至0.43元/次 身份认证VIP会员低至7折
    一个资源只可评论一次,评论内容不能少于5个字
    weixin_44003495 真的没一点用,辣鸡
    2019-09-01
    回复
    关注 私信 TA的资源
    上传资源赚积分,得勋章
    最新推荐