10.3778/j.issn.1002-8331.2007-0105
基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法
对于非线性系统而言,容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法是处理状态估计问题的一种有效方法,并且其在高斯噪声下可以获得良好的估计性能.然而,当噪声被重尾噪声污染时,其性能通常会急剧下降.为解决此问题,将Huber方法应用于CKF框架中,取代了传统的最小均方误差(Minimum Mean Square Error,MMSE)准则,以提高算法的鲁棒性.在所提算法中,通过将量测方程线性化构造了线性回归模型,并采用固定点迭代的方法求解基于Huber方法的最小化问题.因此,推导了基于固定点迭代的Huber鲁棒CKF(FP-IHCKF)算法,在该算法中先验信息和量测信息通过Huber方法进行了重构.通过对再入目标跟踪问题进行仿真,验证了所提算法的有效性和鲁棒性.
非线性滤波;容积卡尔曼滤波(CKF);Huber方法;鲁棒性;固定点算法
57
TN911
2021-08-25(万方平台首次上网日期,不代表论文的发表时间)
共7页
90-96