非线性系统中卡尔曼滤波的一种新线性化方法

更新时间：2019-08-04 10:21:47 大小：2M 上传用户：sun2152 查看TA发布的资源 标签：卡尔曼滤波 下载积分：1分评价赚积分（如何评价?）收藏评论(0) 举报

资料介绍

卡尔曼滤波在测量领域的应用一般都存在线性化的问题。卡尔曼滤波的线性化目前主要有按系统标称状态线性化和按系统状态最优估计线性化（也称广义卡尔曼滤波）两种方式。在静态定位领域，由于观测目标状态不变，因而标称状态的误差不会随滤波过程增大，这两种线性化方法都易于使用。但在动态定位领域，由于状态方程中动态噪声的原因系统的标称状态和实际状态容易相差过大，按照标称状态线性化方式的线性化就会有较大误差，从而影响滤波精度。广义卡尔曼滤波按照系统状态最优估计进行线性化，其线性化精度可以保证，但是其线性化是在本时刻预报的基础上进行的，即线性化时必须确定定位点的动态模型，而在卡尔曼滤波的实际应用中，如采用多模型的自适应滤波方法11，一旦动态模型改变，系统就必须重新线性化，不便进行数据处理。同时，此线性化方法和测量界常用的最小二乘线性化方法不同，后者经常在卡尔曼滤波中被用来作各种辅助处理，如成果检核和精度分析等，数据处理也不便。因此，本文提出了一种新的线性化方法、使用前一步最优估计值进行线性化.将最小二乘和卡尔曼滤波的线性观测方程统一，从而便于数据处理，也能保证精度，在空间状态变化不大的情况下线性化精度和广义卡尔曼滤波类似。