Cubature卡尔曼滤波卡尔曼滤波算法
第27卷第10期Vol.27No.10
文章编号:1001-0920(2012)10-1561-05
控制与
and
决策
ControlDecision
2012年10月
Oct.2012
Cubature卡尔曼滤波-卡尔曼滤波算法
孙
枫,唐李军
(哈尔滨工程大学自动化学院，哈尔滨150001)
摘
要:针对条件线性高斯状态空间模型,提出cubature卡尔曼滤波-卡尔曼滤波算法(CKF-KF),分别应用CKF和
KF估计模型中的非线性和线性状态.该算法对非线性与线性状态均进行cubature采样,并将两种样本通过线性方程和量测方程进行传播,以获得非线性状态估计.机动目标跟踪仿真结果表明,CKF-KF的估计精度比Rao-Blackwellized粒子滤波器(RBPF)略低,但算法运行时间不到其1%;与无迹卡尔曼滤波器(UKF-KF)相比,估计精度相当,但算法运行时间降低了22%,有效地提高了实时性.
关键词:条件线性高斯模型；cubature卡尔曼滤波-卡尔曼滤波；无迹卡尔曼滤波器；实时性中图分类号:U249
文献标志码:A
CubatureKalmanfilter-Kalmanfilteralgorithm
SUNFeng,TANGLi-jun
(CollegeofAutomation，HarbinEngineeringUniversity，Harbin150001，China．Correspondent：TANGLi-jun,E-mail：[email protected])
Abstract:Afilteringalgorithm,cubatureKalmanfilter-Kalman(CKF-KF)filter,isproposedforconditionallylinearGaussianstatemodel,whichrespectivelyemploysCKFandKFtoestimatenonlinearstateandlinearstateinthemodel.Theabovestatesarecarriedoutcubaturesampling,whicharepropagatedthroughlinearandobservationequationstoestimatenonlinearstate.Themaneuveringtargettrackingsimulationresultsshowthat,comparedtotheRao-Blackwellizedparticlefilter(RBPF),thealgorithmrunningtimeofCKF-KFislessthan1%ofthatwithaslightlylowerfilteringperformanceloss,andtheestimationaccuracyofCKF-KFcoincideswiththatofUKF-KF,whereasthealgorithmrunningtimereducesby22%andeffectivelyimprovesreal-time.
Keywords:conditionallylinearGaussianmodel；cubatureKalmanfilter-Kalmanfilter；UKF-KF；real-time
1引言
献[8]提出了无迹卡尔曼滤波器(UKF)[9]与KF相结合的unscented卡尔曼滤波-卡尔曼滤波算法.该算法对模型的非线性部分采用计算量远小于PF的UKF,而线性部分依旧采用KF.与RBPF相比,该算法在略失估计精度的情况下,大幅度地降低了计算量、提高了实时性.然而UKF有个缺点:参数