考虑随机量测时滞和同步相关噪声的改进高斯滤波算法

摘要：

经典高斯滤波算法存在量测信息实时获取，以及过程噪声和量测噪声相互独立的假设条件。然而，在工程实际应用中该假设条件有时难以满足。本文针对一类具有随机量测时滞和同步相关噪声的高斯系统的状态估计问题，设计了一种高斯滤波框架形式的最优估计算法，并给出了所设计算法的三阶球径容积法则的次优实现形式-考虑随机量测时滞和同步相关噪声的容积卡尔曼滤波器(CKF–RDSCN)。其借助Bernoulli随机序列，来描述系统中可能存在的量测时滞现象，并利用高斯条件分布性质来解决噪声相关问题，在此基础上构建所提出的最优估计算法。仿真结果表明，相比于扩展卡尔曼滤波(EKF)，无迹卡尔曼滤波(UKF)以及容积卡尔曼滤波(CKF)，在含有随机量测时滞和噪声同步相关的状态估计问题中， CKF–RDSCN具有更高的精度和更好的数值稳定性。

关键词：高斯滤波、容积卡尔曼滤波、随机时滞、同步相关噪声

所属期刊栏目：33

分类号：V448(航天仪表、航天器设备、航天器制导与控制)

资助基金：国家自然科学基金61174037,61573115;国家重点基础研究发展计划973计划2012CB821205;湖南省自然基金2015JJ6105;湖南省教育厅优秀青年项目14B167资助.Supported by National Natural Science Foundation of China61174037,61573115;National Basic Research Program of China 973 Program2012CB821205;Natural Science Foundation of Hunan Province2015JJ6105;Outstanding Youth Fundation of Education Department of Hunan Province14B167

在线出版日期：2016-05-05（万方平台首次上网日期，不代表论文的发表时间）

页数：共13页

页码：133-145