針對(duì)高階容積卡爾曼濾波器在非高斯噪聲情況下濾波精度下降的問(wèn)題,提出了一種新的基于Maximum Correntropy Criterion（MCC）的魯棒高階容積卡爾曼濾波算法�？紤]到高階容積規(guī)則可以較好地解決非線(xiàn)性問(wèn)題,在高階容積濾波的基礎(chǔ)上,結(jié)合統(tǒng)計(jì)線(xiàn)性回歸模型對(duì)量測(cè)更新過(guò)程進(jìn)行重構(gòu),利用MCC估計(jì)算法實(shí)現(xiàn)狀態(tài)的量測(cè)更新,同時(shí)解決了系統(tǒng)的非線(xiàn)性和非高斯問(wèn)題。將所提算法應(yīng)用到SINS/GPS組合導(dǎo)航系統(tǒng)中,仿真結(jié)果表明,核寬的選取對(duì)算法的濾波性能有較大的影響,在高斯混合噪聲條件下,所提算法相比傳統(tǒng)高階容積卡爾曼濾波算法具有更強(qiáng)的魯棒性和更高的濾波精度。 

【文章頁(yè)數(shù)】：8 頁(yè)

【文章目錄】：
1 引言
2 SINS/GPS組合導(dǎo)航系統(tǒng)模型
    2.1 組合導(dǎo)航系統(tǒng)狀態(tài)方程
    2.2 組合導(dǎo)航系統(tǒng)量測(cè)方程
3 基于MCC的魯棒高階CKF算法
    3.1 最大相關(guān)熵
    3.2 高階容積卡爾曼濾波
    3.3 統(tǒng)計(jì)線(xiàn)性回歸的MCC方法
    3.4 基于MCC的高階容積卡爾曼濾波算法
    3.5 算法魯棒性分析
4 仿真實(shí)驗(yàn)與分析
5 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]基于目標(biāo)跟蹤的自適應(yīng)廣義高階CKF算法[J]. 彭志穎,夏海寶,許蘊(yùn)山.  計(jì)算機(jī)工程與應(yīng)用. 2018(11)
[2]簡(jiǎn)化高階強(qiáng)跟蹤容積卡爾曼濾波及其在組合導(dǎo)航中的應(yīng)用[J]. 郝順義,盧航,魏翔,許明琪.  控制與決策. 2019(10)
[3]基于Huber的魯棒廣義高階容積卡爾曼濾波算法[J]. 秦康,董新民,陳勇,劉棕成,李洪波.  控制與決策. 2018(01)
[4]基于魯棒高階容積濾波的無(wú)人機(jī)相對(duì)導(dǎo)航狀態(tài)估計(jì)方法[J]. 金紅新,楊濤,王小剛,盧鑫,李璞.  國(guó)防科技大學(xué)學(xué)報(bào). 2017(04)
[5]基于魯棒濾波的無(wú)人機(jī)著陸相對(duì)導(dǎo)航方法[J]. 陳誠(chéng),王小剛,秦武韜,崔乃剛,許河川.  中國(guó)慣性技術(shù)學(xué)報(bào). 2017(03)
[6]基于Huber的魯棒高階容積卡爾曼濾波算法[J]. 秦康,董新民,陳勇.  計(jì)算機(jī)工程與應(yīng)用. 2017(07)
[7]基于組合導(dǎo)航系統(tǒng)的非線(xiàn)性高斯濾波算法[J]. 王碩,宋申民,于浛,史小平.  控制與決策. 2016(09)
[8]基于Huber的高階容積卡爾曼跟蹤算法[J]. 張文杰,王世元,馮亞麗,馮久超.  物理學(xué)報(bào). 2016(08)
[9]基于廣義M估計(jì)的魯棒容積卡爾曼濾波目標(biāo)跟蹤算法[J]. 吳昊,陳樹(shù)新,楊賓峰,陳坤.  物理學(xué)報(bào). 2015(21)
[10]基于HuberM估計(jì)的魯棒Cubature卡爾曼濾波算法[J]. 黃玉,武立華,孫楓.  控制與決策. 2014(03)



本文編號(hào)：3704049