在一定環(huán)境條件下,當(dāng)系統(tǒng)的量測方程沒有進(jìn)行驗(yàn)證或校準(zhǔn)時,使用該量測方程往往會產(chǎn)生未知的系統(tǒng)誤差,從而導(dǎo)致較大的濾波誤差。增量方程的引入可以有效解決欠觀測系統(tǒng)的狀態(tài)估計(jì)問題。該文考慮帶未知噪聲統(tǒng)計(jì)的線性離散增量系統(tǒng),首先提出一種基于新息的噪聲統(tǒng)計(jì)估計(jì)算法。可以得到系統(tǒng)噪聲統(tǒng)計(jì)的無偏估計(jì)。進(jìn)而,提出一種新的增量系統(tǒng)自適應(yīng)Kalman濾波算法。相比已有的自適應(yīng)增量濾波算法,該文所提算法得到的狀態(tài)估計(jì)精度更高。兩個仿真實(shí)例證明了其有效性和可行性。 

【文章頁數(shù)】：8 頁

【參考文獻(xiàn)】：
期刊論文
[1]平滑約束無跡卡爾曼濾波器[J]. 張宏偉,謝維信.  信號處理. 2019(03)
[2]基于卡爾曼濾波的接收信號強(qiáng)度指示差值定位算法[J]. 耿友林,解成博,尹川,郭蘭圖,王先義.  電子與信息學(xué)報(bào). 2019(02)
[3]一種改進(jìn)自適應(yīng)增量Kalman濾波的傳遞對準(zhǔn)算法[J]. 徐英蛟.  指揮控制與仿真. 2018(04)
[4]基于Kalman濾波的云數(shù)據(jù)中心能耗和性能優(yōu)化[J]. 何麗,湯莉.  計(jì)算機(jī)工程與科學(xué). 2018(07)
[5]空間目標(biāo)卡爾曼濾波稀疏成像方法[J]. 汪玲,朱棟強(qiáng),馬凱莉,肖卓.  電子與信息學(xué)報(bào). 2018(04)
[6]Multi-sensor optimal weighted fusion incremental Kalman smoother[J]. SUN Xiaojun,YAN Guangming.  Journal of Systems Engineering and Electronics. 2018(02)
[7]自適應(yīng)增量粒子濾波方法[J]. 傅惠民,吳云章,婁泰山.  航空動力學(xué)報(bào). 2013(08)
[8]增量粒子濾波方法[J]. 傅惠民,婁泰山,吳云章.  航空動力學(xué)報(bào). 2013(06)
[9]自適應(yīng)增量Kalman濾波方法[J]. 傅惠民,吳云章,婁泰山.  航空動力學(xué)報(bào). 2012(06)
[10]欠觀測條件下的擴(kuò)展增量Kalman濾波方法[J]. 傅惠民,婁泰山,吳云章.  航空動力學(xué)報(bào). 2012(04)



本文編號：3666358