资源描述：
《改进型自适应推广卡尔曼滤波器的应用.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、Vol.25,No13火力与指挥控制第25卷第3期September,2000FireControl&CommandControl2000年9月文章编号:100220640(2000)0320013204改进型自适应推广卡尔曼滤波器的应用高磊,严卫生,任章,徐德民(西北工业大学,陕西西安710072)摘要:针对在被动方式下进行水下目标跟踪容易导致滤波发散和收敛精度不高的问题,介绍了一种改进的自适应推广卡尔曼滤波算法。它能够在线估计虚拟观测噪声的统计特性,从而克服了观测模型线性化误差带来的不良影响。同时,通过引入修正增益函数,克服了由于观测噪声的统计特性不能精确已知而导致的滤波不稳定问题。仿
2、真结果表明,不管是滤波精度还是收敛速度,都优于原来的自适应推广卡尔曼滤波算法。关键词:自适应推广卡尔曼滤波;水下目标跟踪;虚拟观测噪声;修正增益函数+中图分类号:TP27312;O211164文献标识码:AModifiedAdaptiveExtendedKalmanFilterandIts'ApplicationGAOLei,YANWei2sheng,RENZhang,XUDe2min(NorthwesternPolytechnicalUniversity,Xi'an710072,China)Abstract:Concerningtheproblemofinstabilityandlowa
3、ccuracyofpassivefilterinunderwatertargettracking,amodifiedadaptiveextendedkalmanfilter(MAEKF)algorithmispresented.Owingtoestimatingthestatisticsofvirtualnoiseon2line,itovercomesthebadaffectcausedbylinearizationofnonlinearobser2vationmodel.Meanwhilewiththehelpofmodifiedgainfunction,theproblemofinst
4、abilitycausedbytheunknowmofstatisticsofmeasurementnoiseissolved,whichgreatlyimprovesthefilterrateandaccuracy.Keywords:adaptiveextendedkalmanfilter;underwatertargettracking;virtualobservationnoise;modifiedgainfunction[2]一个线性观测模型来描述。但不管是在直角坐标引言系中还是在极坐标系中,由于存在非线性因素,都对在被动方式下进行水下目标跟踪,声纳不需要状态的估计精度和滤波的稳定
5、性有很大的影响,因向外发射信号,只是被动地接收目标的方位信息。通此,有必要对被动方式下的水下目标跟踪问题提出过获得的目标方位信息来对目标的运动参数进行估更有效的算法。计,因而具有很强的隐蔽性。但在被动测量条件下,在被动方式下进行目标跟踪,常用到的算法是欲获得目标状态的良好估计,其难点也正是只能利推广的卡尔曼滤波(extendedKalmanfilter)。但是,用角度测量来提取目标的位置、速度和加速度等信只有当系统的动态模型和观测模型都接近于线性息。因为从数学上讲,可以在直角坐标系中用一个线时,EKF的估计结果才有可能接近于真实值。一种[3]性动态模型和一个非线性观测模型来描述这一问改进的
6、推广卡尔曼滤波(MEKF)和自适应推广卡[1][5]题,或者在极坐标系中用一个非线性动态模型和尔曼滤波(AEKF)可以克服这一约束。但是在水下,由于特定的客观条件(方位角精度低,可观性差)限制,使得MEKF和AEKF仍然存在着较大的误收稿日期:1999201218改定日期:1999209230差。针对上述问题,本文提出了一种改进的自适应推基金项目:九五国防科技预研重点项目(44161113)·14·(总第25-174)火力与指挥控制2000年第3期广卡尔曼滤波,通过引入修正增益函数,克服了由于和Mk为相互独立的高斯白噪声,并满足下列统计分观测噪声的统计特性不能精确已知而引起的滤波不布:T稳
7、定,提高了收敛速度和估计精度。E[X(k)]=q,E[X(k)X(j)]=QDkjTE[M(k)]=r,E[M(k)M(j)]=RDkj1直角坐标系中模型的建立则系统(3)～(4)的常规推广卡尔曼滤波方程为:在直角坐标系中,把观测载体和水下目标都看Xddk+1ök=f(Xkök,k)+Bkuk+q(5)作质点来分析,目标的加速度看作噪声激励的结果,PddT+Q(6)k+1ök=(5fö5Xk)Pk((5fö5Xk)为一个
