【摘要】：擴(kuò)展卡爾曼濾波算法(EKF)是將卡爾曼濾波理論(KF)進(jìn)一步應(yīng)用到非線性系統(tǒng)中.然而當(dāng)系統(tǒng)為強(qiáng)非線性時(shí),EKF就會(huì)違背局部線性假設(shè),引起誤差增大,從而使得其精度降低,最終導(dǎo)致濾波發(fā)散.針對(duì)上述問(wèn)題,提出結(jié)合多新息(multi-innovation)理論的改進(jìn)EKF算法,即多新息擴(kuò)展卡爾曼濾波(M I-EKF),使系統(tǒng)在原先只利用單個(gè)新息的情況下,擴(kuò)展為能夠利用之前多個(gè)時(shí)刻的新息,從而大大提高了濾波的精度.另外本文同時(shí)也從理論上證明了改進(jìn)的多新息擴(kuò)展卡爾曼濾波算法的收斂性.最后仿真結(jié)果表明,改進(jìn)的多新息擴(kuò)展卡爾曼濾波較標(biāo)準(zhǔn)擴(kuò)展卡爾曼濾波算法更有效.

【參考文獻(xiàn)】

相關(guān)期刊論文 前1條

1 丁潔;謝莉;丁鋒;;非均勻采樣系統(tǒng)多新息隨機(jī)梯度辨識(shí)性能分析[J];控制與決策;2011年09期

【共引文獻(xiàn)】

相關(guān)期刊論文 前10條

1 徐鵬;肖建;周鵬;李山;;輸入多采樣率離散時(shí)間系統(tǒng)準(zhǔn)滑模控制器設(shè)計(jì)[J];控制與決策;2015年03期

2 丁鋒;陳慧波;;輸入非線性方程誤差系統(tǒng)的多新息辨識(shí)方法[J];南京信息工程大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

3 劉毛毛;秦品樂(lè);呂國(guó)宏;常江;;基于多新息理論的EKF改進(jìn)算法[J];計(jì)算機(jī)應(yīng)用研究;2015年05期

4 王婧;秦品樂(lè);王輝;胡嘯;楊欣;;多新息在特征模型網(wǎng)絡(luò)控制系統(tǒng)的應(yīng)用與仿真[J];中北大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

5 劉毛毛;呂國(guó)宏;常江;;基于多新息理論的卡爾曼濾波改進(jìn)算法[J];中北大學(xué)學(xué)報(bào)(自然科學(xué)版);2015年02期

6 劉冉冉;潘天紅;李正明;;非均勻Hammerstein-Wiener系統(tǒng)的遞階隨機(jī)梯度辨識(shí)算法[J];控制與決策;2015年08期

7 鹿振宇;黃攀峰;;耦合多新息隨機(jī)梯度辨識(shí)方法性能分析[J];控制與決策;2015年08期

8 陳春華;于豐;毛志忠;;煙氣制酸氣體凈化系統(tǒng)建模與參數(shù)辨識(shí)[J];控制理論與應(yīng)用;2015年06期

9 陳晶;;具有預(yù)負(fù)載非線性特性的雙率系統(tǒng)遞推最小二乘估計(jì)算法[J];控制與決策;2015年10期

10 沈乾彥;丁鋒;;基于關(guān)鍵變量分離的輸入非線性受控自回歸系統(tǒng)最小二乘參數(shù)估計(jì)[J];信息與控制;2014年02期

相關(guān)碩士學(xué)位論文 前2條

1 姚國(guó)玉;基于分解的方程誤差類系統(tǒng)迭代辨識(shí)[D];江南大學(xué);2013年

2 劉毛毛;基于機(jī)器視覺(jué)的運(yùn)動(dòng)目標(biāo)實(shí)時(shí)跟蹤算法研究[D];中北大學(xué);2015年

【二級(jí)參考文獻(xiàn)】

相關(guān)期刊論文 前3條

1 丁鋒,陳通文,蕭德云;非均勻周期采樣多率系統(tǒng)的一種辨識(shí)方法[J];電子學(xué)報(bào);2004年09期

2 于麗;丁鋒;張佳波;;多新息隨機(jī)梯度辨識(shí)方法的收斂性研究[J];科學(xué)技術(shù)與工程;2007年21期

3 王冬青;丁鋒;;基于輔助模型的多新息廣義增廣隨機(jī)梯度算法[J];控制與決策;2008年09期

【相似文獻(xiàn)】

相關(guān)期刊論文 前10條

1 姚洪利,高效,田科鈺;基于衰減記憶n次新息的目標(biāo)機(jī)動(dòng)檢測(cè)和排飛點(diǎn)[J];情報(bào)指揮控制系統(tǒng)與仿真技術(shù);2004年05期

2 朱志芳;丁鋒;;自回歸模型的多新息投影辨識(shí)方法[J];科學(xué)技術(shù)與工程;2009年14期

3 鄧自立;穩(wěn)態(tài)Kalman濾波增益的估計(jì)[J];控制理論與應(yīng)用;1985年01期

4 丁鋒,謝新民,方崇智;時(shí)變系統(tǒng)辨識(shí)的多新息方法[J];自動(dòng)化學(xué)報(bào);1996年01期

5 魯文,徐石明,周蘇荃,柳焯;新息圖法輻射配電網(wǎng)不正常事件的識(shí)別[J];華北電力技術(shù);2004年04期

6 廖育武;于麗;丁鋒;;自回歸模型的多新息隨機(jī)梯度和多新息最小二乘辨識(shí)方法[J];科學(xué)技術(shù)與工程;2008年04期

7 王亞軍;李明;劉高峰;;基于改進(jìn)指數(shù)再生采樣核的有限新息率采樣系統(tǒng)[J];電子與信息學(xué)報(bào);2013年09期

8 王剛;王廣云;胡德文;;時(shí)間獨(dú)立分量分析模型的新息方法[J];信號(hào)處理;2007年01期

9 王冬青;丁鋒;;基于輔助模型的多新息廣義增廣隨機(jī)梯度算法[J];控制與決策;2008年09期

10 丁鋒,蕭德云,丁韜;多新息隨機(jī)梯度辨識(shí)方法[J];控制理論與應(yīng)用;2003年06期

相關(guān)會(huì)議論文 前3條

1 聶曉華;;基于新息偏差多模型機(jī)動(dòng)目標(biāo)跟蹤算法[A];中國(guó)造船工程學(xué)會(huì)電子技術(shù)學(xué)術(shù)委員會(huì)2006學(xué)術(shù)年會(huì)論文集（下冊(cè)）[C];2006年

2 王惠娟;;新息數(shù)據(jù)對(duì)GM(1,1)模型的影響分析及應(yīng)用[A];第25屆全國(guó)灰色系統(tǒng)會(huì)議論文集[C];2014年

3 盧曉;張煥水;王偉;;時(shí)滯線性系統(tǒng)最優(yōu)濾波方法[A];第二十三屆中國(guó)控制會(huì)議論文集（上冊(cè)）[C];2004年

相關(guān)博士學(xué)位論文 前1條

1 張艷軍;新息圖狀態(tài)估計(jì)應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2008年

相關(guān)碩士學(xué)位論文 前10條

1 王志廣;方程誤差模型基于最新估計(jì)的多新息隨機(jī)梯度辨識(shí)[D];哈爾濱工業(yè)大學(xué);2015年

2 岳軍;帶未知參數(shù)系統(tǒng)的多傳感器多新息卡爾曼濾波器[D];黑龍江大學(xué);2015年

3 徐艷;基于新息圖法的電力系統(tǒng)參數(shù)估計(jì)的研究[D];哈爾濱工業(yè)大學(xué);2008年

4 程文玉;新息圖法狀態(tài)估計(jì)與模式識(shí)別技術(shù)的結(jié)合應(yīng)用研究[D];哈爾濱工業(yè)大學(xué);2013年

5 常亮;基于加權(quán)多新息方法的系統(tǒng)辨識(shí)[D];哈爾濱工業(yè)大學(xué);2010年

6 張佳波;基于多新息參數(shù)估計(jì)的隨機(jī)梯度自校正控制方法[D];江南大學(xué);2008年

7 馬春陽(yáng);基于新息圖的配電網(wǎng)三相狀態(tài)估計(jì)[D];哈爾濱工業(yè)大學(xué);2012年

8 徐海濱;PMU電網(wǎng)觀測(cè)系統(tǒng)中新息圖法參數(shù)估計(jì)研究[D];哈爾濱工業(yè)大學(xué);2011年

9 殷文兵;有限新息率采樣及其在雷達(dá)中的應(yīng)用研究[D];西安電子科技大學(xué);2014年

10 牟峰;多維MA（q）模型的估計(jì)與預(yù)測(cè)方法研究[D];西南交通大學(xué);2007年

，

本文編號(hào)：2560180