基于IGGⅢ方案的自適應(yīng)漸消卡爾曼濾波器
發(fā)布時間：2021-06-06 06:56
漸消卡爾曼濾波器滑動采樣區(qū)間長度N的取值為單一定值,難以實現(xiàn)濾波精度與動態(tài)性之間的平衡。針對該問題,提出了一種基于IGGⅢ方案的自適應(yīng)漸消卡爾曼濾波器。該濾波器進行新息異�？ǚ綑z測,通過構(gòu)建一個類似于IGGⅢ權(quán)函數(shù)的三段式滑動采樣區(qū)間長度N的取值函數(shù),實現(xiàn)滑動采樣區(qū)間長度N的自適應(yīng)優(yōu)化選取,提升濾波精度。Matlab仿真結(jié)果證明,基于IGGⅢ方案的自適應(yīng)漸消卡爾曼濾波器在系統(tǒng)穩(wěn)定情況下濾波結(jié)果更加精確,系統(tǒng)模型參數(shù)發(fā)生變化時具有更好的動態(tài)性,能夠?qū)崿F(xiàn)濾波精度與動態(tài)性之間的平衡。
【文章來源】：計算機工程與應(yīng)用. 2020,56(14)北大核心CSCD
【文章頁數(shù)】：5 頁
【部分圖文】：
基于IGGIII方案的自適應(yīng)卡爾曼濾波器原理框圖
本文利用以上仿真模型進行了卡爾曼濾波器（KF）、自適應(yīng)漸消卡爾曼濾波器（AFKF）以及基于IGGIII方案的自適應(yīng)漸消卡爾曼濾波器（IGGAFKF）的對比驗證，仿真結(jié)果如圖2所示。如圖2三種算法的位置估計仿真結(jié)果所示，IGGAFKF的濾波估計結(jié)果更加接近于目標的真實位置。KF和AFKF位置估計都存在不同程度的偏離。KF在目標機動位置出現(xiàn)較大估計偏差，AFKF濾波估計結(jié)果偏離程度要小于KF，但高于IGGAFKF。
圖3分別展示了三種算法的位置誤差對比。通過對比三種算法的誤差曲線可知，在目標穩(wěn)定行進過程中，AFKF的估計誤差存在較大波動，IGGAFKF通過增大滑動采樣區(qū)間長度，增強濾波魯棒性，估計結(jié)果更加平穩(wěn)、精確。在目標進行機動時，KF、AFKF、IGGAFKF誤差都開始變大，但是IGGAFKF誤差峰值明顯低于KF及AFKF，說明IGGAFKF在目標運動狀態(tài)發(fā)生較大變化時對于準確量測信息具有更好的動態(tài)跟蹤性能，能夠抑制模型不準造成的濾波發(fā)散。并且IGGAFKF通過減小滑動采樣區(qū)間長度，在經(jīng)過2次迭代后將誤差控制在1 m范圍內(nèi)，KF和AFKF分別需要8次和4次，所以，IGGAFKF能夠在濾波出現(xiàn)發(fā)散時實現(xiàn)快速收斂，提高濾波精度。由上可知，IGGAFKF在系統(tǒng)穩(wěn)定情況下濾波結(jié)果更加精確，系統(tǒng)模型參數(shù)發(fā)生變化時具有更好的動態(tài)性，能夠?qū)崿F(xiàn)濾波精度與動態(tài)性之間的平衡，驗證了此算法的可行性與優(yōu)越性。圖4顯示了位置誤差的占比。IGGAFKF 42%的采樣點位置誤差小于0.25 m,89%采樣點位置誤差小于0.5 m,100%的采樣點誤差小于2 m。KF相同誤差的占比分別為38%、77%和89%。AFKF相同誤差的占比為33%、77%和98%。且由表1中三種濾波算法的誤差統(tǒng)計數(shù)據(jù)可知，IGGAFKF最大誤差為1.66 m，明顯小于KF和AFKF最大誤差。IGGAFKF平均誤差為0.32 m，相對于KF與AFKF的平均誤差分別提升了121%、37%。因此，IGGAFKA具有更高的濾波估計精度。
【參考文獻】：
期刊論文
[1]基于M估計的魯棒后向平滑CKF單站跟蹤算法[J]. 任臻,李積英,吳昊. 計算機工程與應(yīng)用. 2019(11)
[2]基于目標跟蹤的自適應(yīng)廣義高階CKF算法[J]. 彭志穎,夏海寶,許蘊山. 計算機工程與應(yīng)用. 2018(11)
[3]一種基于漸消因子的區(qū)間卡爾曼濾波器方法[J]. 徐韓,曾超,黃清華. 武漢大學學報(信息科學版). 2017(12)
[4]基于滑動窗口的新息自適應(yīng)組合導(dǎo)航算法[J]. 趙琳,李久順,程建華. 系統(tǒng)工程與電子技術(shù). 2017(11)
[5]改進的自適應(yīng)Kalman濾波在SINS/GPS組合導(dǎo)航中的應(yīng)用[J]. 胡方強,呂濤,包亞萍. 計算機工程與應(yīng)用. 2018(05)
[6]兩種新的IGGⅢ的改進方案[J]. 劉宸,劉長建,王賽,許嶺峰,張學東. 測繪通報. 2016(10)
[7]改進的強跟蹤SVD-UKF算法在組合導(dǎo)航中的應(yīng)用[J]. 孫磊,黃國勇,李越. 計算機工程與應(yīng)用. 2017(10)
[8]基于新息χ2檢測的擴展抗差卡爾曼濾波及其應(yīng)用[J]. 苗岳旺,周巍,田亮,崔志偉. 武漢大學學報(信息科學版). 2016(02)
[9]改進新息自適應(yīng)交互多模的GPS/SINS組合導(dǎo)航濾波算法[J]. 張闖,趙修斌,龐春雷,徐杰,張建安. 空軍工程大學學報(自然科學版). 2015(06)
[10]基于多重漸消因子的自適應(yīng)卡爾曼濾波器[J]. 高偉,李敬春,奔粵陽,楊曉龍. 系統(tǒng)工程與電子技術(shù). 2014(07)
本文編號：3213846
【文章來源】：計算機工程與應(yīng)用. 2020,56(14)北大核心CSCD
【文章頁數(shù)】：5 頁
【部分圖文】：
基于IGGIII方案的自適應(yīng)卡爾曼濾波器原理框圖
本文利用以上仿真模型進行了卡爾曼濾波器（KF）、自適應(yīng)漸消卡爾曼濾波器（AFKF）以及基于IGGIII方案的自適應(yīng)漸消卡爾曼濾波器（IGGAFKF）的對比驗證，仿真結(jié)果如圖2所示。如圖2三種算法的位置估計仿真結(jié)果所示，IGGAFKF的濾波估計結(jié)果更加接近于目標的真實位置。KF和AFKF位置估計都存在不同程度的偏離。KF在目標機動位置出現(xiàn)較大估計偏差，AFKF濾波估計結(jié)果偏離程度要小于KF，但高于IGGAFKF。
圖3分別展示了三種算法的位置誤差對比。通過對比三種算法的誤差曲線可知，在目標穩(wěn)定行進過程中，AFKF的估計誤差存在較大波動，IGGAFKF通過增大滑動采樣區(qū)間長度，增強濾波魯棒性，估計結(jié)果更加平穩(wěn)、精確。在目標進行機動時，KF、AFKF、IGGAFKF誤差都開始變大，但是IGGAFKF誤差峰值明顯低于KF及AFKF，說明IGGAFKF在目標運動狀態(tài)發(fā)生較大變化時對于準確量測信息具有更好的動態(tài)跟蹤性能，能夠抑制模型不準造成的濾波發(fā)散。并且IGGAFKF通過減小滑動采樣區(qū)間長度，在經(jīng)過2次迭代后將誤差控制在1 m范圍內(nèi)，KF和AFKF分別需要8次和4次，所以，IGGAFKF能夠在濾波出現(xiàn)發(fā)散時實現(xiàn)快速收斂，提高濾波精度。由上可知，IGGAFKF在系統(tǒng)穩(wěn)定情況下濾波結(jié)果更加精確，系統(tǒng)模型參數(shù)發(fā)生變化時具有更好的動態(tài)性，能夠?qū)崿F(xiàn)濾波精度與動態(tài)性之間的平衡，驗證了此算法的可行性與優(yōu)越性。圖4顯示了位置誤差的占比。IGGAFKF 42%的采樣點位置誤差小于0.25 m,89%采樣點位置誤差小于0.5 m,100%的采樣點誤差小于2 m。KF相同誤差的占比分別為38%、77%和89%。AFKF相同誤差的占比為33%、77%和98%。且由表1中三種濾波算法的誤差統(tǒng)計數(shù)據(jù)可知，IGGAFKF最大誤差為1.66 m，明顯小于KF和AFKF最大誤差。IGGAFKF平均誤差為0.32 m，相對于KF與AFKF的平均誤差分別提升了121%、37%。因此，IGGAFKA具有更高的濾波估計精度。
【參考文獻】：
期刊論文
[1]基于M估計的魯棒后向平滑CKF單站跟蹤算法[J]. 任臻,李積英,吳昊. 計算機工程與應(yīng)用. 2019(11)
[2]基于目標跟蹤的自適應(yīng)廣義高階CKF算法[J]. 彭志穎,夏海寶,許蘊山. 計算機工程與應(yīng)用. 2018(11)
[3]一種基于漸消因子的區(qū)間卡爾曼濾波器方法[J]. 徐韓,曾超,黃清華. 武漢大學學報(信息科學版). 2017(12)
[4]基于滑動窗口的新息自適應(yīng)組合導(dǎo)航算法[J]. 趙琳,李久順,程建華. 系統(tǒng)工程與電子技術(shù). 2017(11)
[5]改進的自適應(yīng)Kalman濾波在SINS/GPS組合導(dǎo)航中的應(yīng)用[J]. 胡方強,呂濤,包亞萍. 計算機工程與應(yīng)用. 2018(05)
[6]兩種新的IGGⅢ的改進方案[J]. 劉宸,劉長建,王賽,許嶺峰,張學東. 測繪通報. 2016(10)
[7]改進的強跟蹤SVD-UKF算法在組合導(dǎo)航中的應(yīng)用[J]. 孫磊,黃國勇,李越. 計算機工程與應(yīng)用. 2017(10)
[8]基于新息χ2檢測的擴展抗差卡爾曼濾波及其應(yīng)用[J]. 苗岳旺,周巍,田亮,崔志偉. 武漢大學學報(信息科學版). 2016(02)
[9]改進新息自適應(yīng)交互多模的GPS/SINS組合導(dǎo)航濾波算法[J]. 張闖,趙修斌,龐春雷,徐杰,張建安. 空軍工程大學學報(自然科學版). 2015(06)
[10]基于多重漸消因子的自適應(yīng)卡爾曼濾波器[J]. 高偉,李敬春,奔粵陽,楊曉龍. 系統(tǒng)工程與電子技術(shù). 2014(07)
本文編號：3213846
本文鏈接：http://sikaile.net/kejilunwen/dianzigongchenglunwen/3213846.html
最近更新
教材專著
