APP下载

基于新息异常检测的改进抗差自适应卡尔曼滤波算法

2020-02-18葛宝爽唐志坤

导航定位与授时 2020年1期
关键词:卡尔曼滤波

葛宝爽,张 海,唐志坤

(1.北京航空航天大学自动化科学与电气工程学院,北京 100191;2.国家空域管理中心,北京 100094)

0 引言

卡尔曼滤波作为一线性最优估计,被广泛地应用到导航系统与目标跟踪系统中。在状态空间模型是线性且噪声统计特性完全已知并为相互独立的高斯白噪声时,卡尔曼滤波可以得到在最小均方意义下的最优解。然而在工程实践中,由于外界环境的干扰,量测噪声统计特性通常是未知或时变的,在此情况下将无法直接使用标准卡尔曼滤波(Standard Kalman Filter, SKF);另外,量测中不免会含有异常值,由于SKF自身不具有抵抗异常值的能力,这就导致尽管很少的量测异常便会引起滤波振荡,致使滤波精度下降[1]。

针对工程实践中面临的量测不稳定问题,SKF有不同的改进方案,如:适用于模型参数或噪声统计特性未知的自适应卡尔曼滤波(Adaptive Kalman Filter, AKF)[2-3];结合抗差估计理论的抗差滤波[4-5]等。在卡尔曼滤波中,新息作为滤波中的关键量,含有量测的全部信息,并且对异常量测值极为敏感。因此,无论是在AKF还是抗差滤波中,经常利用新息的特性估计量测噪声方差或异常检测,以期在保证滤波精度的前提下提高算法的鲁棒性与容错性。

文献[6-7]利用新息正交特性对量测中的异常值进行辨识,然后利用抗差估计理论中的Huber方案构造等价权函数(活化函数),并引入到卡尔曼滤波算法中,该活化函数通过降低量测异常值的权重提高了组合导航系统的抗差性能。文献[8-9]依据新息服从多维正态分布的特性,采用3σ准则对量测异常值进行辨识,随后通过调节滤波增益阵减弱异常值对滤波结果的影响。……

登录APP查看全文

猜你喜欢

卡尔曼滤波
基于双扩展卡尔曼滤波的电池荷电状态估计
改进的扩展卡尔曼滤波算法研究
基于无迹卡尔曼滤波的行波波头辨识
基于递推更新卡尔曼滤波的磁偶极子目标跟踪
基于有色噪声的改进卡尔曼滤波方法
基于序贯卡尔曼滤波的OCT信号处理方法研究
基于模糊卡尔曼滤波算法的动力电池SOC估计
融合卡尔曼滤波的VFH避障算法
基于扩展卡尔曼滤波的PMSM无位置传感器控制
基于EMD和卡尔曼滤波的振荡信号检测