复杂系统的两阶段Kalman滤波融合算法研究

发布时间：2024-04-18 21:19

　　传统的Kalman滤波算法主要被用于不考虑偏差的各类系统,若执意将其用于带偏差的系统,滤波估计结果并不理想。增强状态Kalman滤波器和两阶段Kalman滤波器是为数不多的可以较好地被运用到带偏差系统的算法,但上述两种算法的各类延伸及应用中,噪声相关性的问题较少被提及。经过各类工程应用和理论研究表明,系统的各类噪声不相关的简单假设,已经不能满足人们的要求。同时,对于滤波算法的研究大多集中于线性系统,线性系统仅是一种特例。毫无疑问地,各类非线性系统也面临着偏差的影响,因此,带偏差的非线性系统的滤波估计算法的研究也变得有意义。针对上述问题我们做了以下工作:(1)提出一种噪声相关系统的两阶段Kalman滤波算法。通过考虑实际工程中过程噪声与测量噪声相关的客观事实,以两阶段方法为基础,引入一种噪声相关性的解相关技术,建立一种更具有广泛适用性的系统偏差估计方法。(2)建立噪声相关带偏差多传感器系统的两阶段Kalman滤波融合算法。针对带有动态偏差的噪声相关多传感器系统,以噪声相关的两阶段Kalman滤波器为基础,提出新的融合方式:首先,分别对多个无偏差状态滤波器和多个偏差滤波器进行并行式融合,然...

【文章页数】：64 页

【学位级别】：硕士

【部分图文】：

图２．３分布式融合结构［１１］??

集中式结构融合估计，将各个局部传感器的量测数据集中送到主融合中心进??行集中扩维，然后基于集中后的测量数据，利用Ｋａｌｍａｎ滤波进行处理，得到系??统状态向量的最优估计，过程如图２．２所示［６］。??／?传感器１????融??传感器２?—ＳＭｉｔｉ?合全局估计》??＇?＼?Ｉ??....

图２．２集中式融合结构Ｗ??

集中式结构融合估计，将各个局部传感器的量测数据集中送到主融合中心进??行集中扩维，然后基于集中后的测量数据，利用Ｋａｌｍａｎ滤波进行处理，得到系??统状态向量的最优估计，过程如图２．２所示［６］。??／?传感器１????融??传感器２?—ＳＭｉｔｉ?合全局估计》??＇?＼?Ｉ??....

图32ASKF和ASKFCN的跟踪图

杭州电子科技大学硕士学位论文模型［５７］，选择一个噪声相关性矩阵Ｗｆ。在同一个仿真背景下Ｋａｌｍａｎ滤波器（ＡＳＫＦ），噪声相关的增强状态ＫａｌｍａｎＮ），两阶段Ｋａｌｍａｎ滤波器（ＴＳＫＦ），噪声相关的两阶段ＫＫＦＣＮ）进行仿真，比较它们的滤波估计效果。??真时间设置为１？１０....

图３．３?ＡＳＫＦ和ＡＳＫＦＣＮ的误差图??表３．１?ＡＳＫＦ和ＡＳＫＦＣＮ的滤波精度对比??均方根误差?ＡＳＫＦ?ＡＳＫＦＣＮ??

０?１０?２０?３０?４０?５０?６０?７０?８０?９０?１００??时间??图３．２?ＡＳＫＦ和ＡＳＫＦＣＮ的跟踪图??０．８?Ｉ?，?，?１?，?，?，?，?｜?—，??—？—ＡＳＫＦ??ｃ?°－６?＇?？?—ＡＳＫＦＣＮ?＇??０?１０?２０?３０?４０?５０?６０?７０?８....

本文编号：3957755