本文關鍵詞：基于極大似然準則與滾動時域估計的自適應UKF算法

  更多相關文章： 自適應無跡卡爾曼濾波 噪聲統(tǒng)計估計 極大似然準則 滾動時域估計

【摘要】：針對無跡卡爾曼濾波(unscented Kalman filter,UKF)在系統(tǒng)噪聲統(tǒng)計特性未知或不準確的情況下濾波精度降低甚至發(fā)散的問題,提出一種基于極大似然準則與滾動時域估計的自適應UKF算法。首先根據(jù)極大似然準則構造關于系統(tǒng)噪聲統(tǒng)計的估計模型;然后引入滾動時域策略對所提模型進行優(yōu)化;最后采用序列二次規(guī)劃方法求取噪聲統(tǒng)計的估計值,得到帶有噪聲統(tǒng)計估計器的自適應UKF。提出的算法可以實現(xiàn)系統(tǒng)噪聲統(tǒng)計的在線估計,克服了標準UKF的缺陷。通過慣性導航/全球定位系統(tǒng)(inertial navigation system/global positioning system,INS/GPS)組合導航系統(tǒng)中的應用實例,驗證了提出算法的有效性。
【作者單位】： 西北工業(yè)大學自動化學院;
【關鍵詞】： 自適應無跡卡爾曼濾波 噪聲統(tǒng)計估計 極大似然準則 滾動時域估計
【基金】：國家自然科學基金(61174193) 航天支撐技術基金(2014-HT-XGD)資助課題
【分類號】：TN967.2;TN713
【正文快照】： 0引言非線性濾波是自動控制與信號處理領域的一個基本問題,得到了諸多學者的關注[1-3]。擴展卡爾曼濾波(extendedKalman filter,EKF)是最常用的非線性濾波算法[1],其基本思想是將非線性系統(tǒng)模型進行一階Taylor展開,然后采用卡爾曼濾波算法進行計算。然而,當系統(tǒng)非線性特性較強

【相似文獻】

中國期刊全文數(shù)據(jù)庫 前5條

1 張江濤;周毅;;滑動平均模型的極大似然辨識方法[J];科學技術與工程;2009年15期

2 王建宏;;丟失數(shù)據(jù)下的條件極大似然辨識[J];控制與決策;2014年02期

3 閆小喜;李戰(zhàn)明;陳若珠;;拓展目標混合分量刪減算法[J];蘭州理工大學學報;2014年04期

4 牛婷婷;楊益新;;基于加權極大似然近場寬帶目標定位技術研究[J];計算機仿真;2011年02期

5 ;[J];;年期

中國博士學位論文全文數(shù)據(jù)庫 前1條

1 李俊紅;極大似然辨識方法的研究[D];江南大學;2013年

中國碩士學位論文全文數(shù)據(jù)庫 前3條

1 王偉;方程誤差類模型的極大似然最小二乘估計[D];江南大學;2012年

2 張磊;隨機波動率模型參數(shù)估計：貝葉斯和極大似然方法[D];清華大學;2013年

3 方正華;神經(jīng)元集群編碼與解碼模型研究[D];合肥工業(yè)大學;2009年

，

本文編號：666996