强跟踪自适应平方根容积卡尔曼滤波算法

doi:10.3969/j.issn.0372-2112.2014.12.009

电子学报 ›› 2014, Vol. 42 ›› Issue (12): 2394-2400.DOI: 10.3969/j.issn.0372-2112.2014.12.009

强跟踪自适应平方根容积卡尔曼滤波算法

徐树生¹, 林孝工², 李新飞²

1. 青岛农业大学机电工程学院, 山东青岛 266109;
2. 哈尔滨工程大学自动化学院, 黑龙江哈尔滨 150001

收稿日期:2012-07-12 修回日期:2014-04-16 出版日期:2014-12-25
- 作者简介:
- 徐树生 男,1966年4月出生于山东淄博.2013年在哈尔滨工程大学获工学博士学位.现为青岛农业大学机电工程学院副教授,主要研究方向为水下机器人、信号处理、多传感器数据融合等. E-mail:xuss0319@163.com;林孝工 男,1962年出生于黑龙江齐齐哈尔.哈尔滨工程大学自动化学院教授、博士生导师.主要研究方向为船舶动力定位系统、多传感器数据融合等;李新飞 男,1982年4月出生于安徽蒙城.2012年在哈尔滨工程大学获工学博士学位.现为哈尔滨工程大学自动化学院讲师,主要研究方向为水下机器人控制与导航等.
- 基金资助:
- 国家自然科学基金 (No.61203255,No.51209051)

Strong Tracking Adaptive Square-Root Cubature Kalman Filter Algorithm

XU Shu-sheng¹, LIN Xiao-gong², LI Xin-fei²

1. College of Electromechanical Engineering, Qingdao Agricultural University, Qingdao, Shandong 266109, China;
2. College of Automation, Harbin Engineering University, Harbin, Heilongjiang 150001, China

Received:2012-07-12 Revised:2014-04-16 Online:2014-12-25 Published:2014-12-25

摘要/Abstract

摘要：

针对强跟踪滤波器(STF)的理论局限性及不良测量导致的滤波性能下降问题,提出了一种强跟踪自适应平方根容积卡尔曼滤波(SRCKF)算法.利用新息协方差匹配原理,建立对不良测量具有鲁棒性的自适应SRCKF.基于STF的理论框架,采用自适应SRCKF代替扩展卡尔曼滤波构建强跟踪自适应SRCKF.该算法兼具STF与自适应SRCKF的优点,在系统同时存在模型不确定性及不良测量时具有良好的滤波性能.仿真验证了所建算法的有效性.

关键词: 强跟踪滤波器, 平方根容积卡尔曼滤波, 自适应滤波, 鲁棒性

Abstract:

To overcome problems that malfunctions in the measurement system lead to degradation of performance of strong tracking filter (STF) and inherent disadvantages of STF,an adaptive square-root cubature Kalman filter (SRCKF) algorithm is proposed.With innovation covariance matching techniques an adaptive SRCKF is built,which is insensitive to measurement malfunctions.Strong tracking adaptive SRCKF views STF as the basic theory framework and makes adaptive SRCKF to replace extended Kalman filter (EKF),so it has the advantages of STF and adaptive SRCKF.In case of model uncertainty of system and measurement malfunctions,the proposed algorithm has strong robustness and high accuracy.Simulation results show the effectiveness of the presented algorithm.

Key words: strong tracking filter, square-root cubature Kalman filter, adaptive filter, robust

中图分类号:

TP273

徐树生, 林孝工, 李新飞. 强跟踪自适应平方根容积卡尔曼滤波算法[J]. 电子学报, 2014, 42(12): 2394-2400.

XU Shu-sheng, LIN Xiao-gong, LI Xin-fei. Strong Tracking Adaptive Square-Root Cubature Kalman Filter Algorithm[J]. Acta Electronica Sinica, 2014, 42(12): 2394-2400.

参考文献

[1] Wang X X,Liang Y,Pan Q,et al.A gaussian approximation recursive filter for nonlinear systems with correlated noises[J].Automatica,2012,48(9):2290-2297.
[2] 商临峰,杨小军,邢科义.局域跟踪的测速雷达网量测融合弹道解算[J].电子学报,2013,41(3):615-618. SHANG Lin-feng,YANG Xiao-jun,XING Ke-yi.Trajectory estimation based on measurements fusion for local doppler radar networks[J].Acta Electronica Sinica,2013,41(3):615-618.(in Chinese)
[3] 伍宗伟,姚敏立,马红光,等.稀疏网格平方根求积分非线性滤波器[J].电子学报,2012,40(7):1298-1303. WU Zong-wei,YAO Min-li,MA Hong-guang,et al.Sparse-grid square-root quadrature nonlinear filte[J].Acta Electronica Sinica,2012,40(7):1298-1303.(in Chinese)
[4] 夏楠,邱天爽,李景春,等.一种卡尔曼滤波与粒子滤波相结合的非线性滤波算法[J].电子学报,2013,41(1):148-152. XIA Nan,QIU Tian-shuang,LI Jing-chun,et al.A nonlinear filtering algorithm combining the Kalman filter and the particle filter[J].Acta Electronica Sinica,2013,41(1):148-152.(in Chinese)
[5] Arasaratnam I,Haykin S.Cubature Kalman filters[J].IEEE Trans Automatic Control,2009,54(6):1254-1269.
[6] Ge Q B,Xu D X,Wen C L.Cubature information filters with correlated noises and their applications in decentralized fusion[J].Signal Processing,2014,94(1):434-444.
[7] 王品,谢维信,刘宗香,等.一种非线性GM-PHD 滤波新方法[J].电子学报,2012,40(8):1597-1602. WANG Pin,XIE Wei-xin,LIU Zong-xiang,et al.A novel gaussian mixture PHD filter for nonlinear models[J].Acta Electronica Sinica,2012,40(8):1597-1602.(in Chinese)
[8] 刘宗香,谢维信,王品,等.一种具有信息保持能力的GM-PHD滤波器[J].电子学报,2013,41(8):1603-1608. LIU Zong-xiang,XIE Wei-xin,WANG Pin,et al.A Gaussian mixture PHD filter with the capability of information hold[J].Acta Electronica Sinica,2013,41(8):1603-1608.(in Chinese)
[9] Soken H E,Hajiyev C.Pico satellite attitude estimation via robust unscented Kalman filter in the presence of measurement faults[J].ISA Transactions,2010,49(3):249-256.
[10] 徐树生,林孝工.基于鲁棒CKF的多传感器数据混合融合算法[J].电机与控制学报,2013,17(2):90-97. XU Shu-sheng,LIN Xiao-gong.Multisensor all information fusion algorithm based on robust CKF[J].Electric Machines and Control,2013,17(2):90-97.(in Chinese)
[11] ZHOU D H,XI Y G,ZHANG Z J.A suboptimal multiple extended Kalman filter[J].Chinese J of Automation,1992,4(2):145-152.
[12] 文韬,葛泉波.未建模系统基于观测值的实时分块Kalman 滤波估计方法研究[J].电子学报,2012,40(10):1958-1964. WEN Tao,GE Quan-bo.Research on real time block Kalman filtering estimation methods for the un-modeled system based onoutput measurements[J].Acta Electronica Sinica,2012,40(10):1958-1964.(in Chinese)
[13] 刘望生,李亚安,王明环.复合K噪声下机动目标跟踪自适应UPF算法[J].电子学报,2012,40(6):1240-1245. LIU Wang-sheng,LI Ya-an,WANG Ming-huan.An adaptive UPF algorithm for tracking maneuvering taget in compound K noise environment[J].Acta Electronica Sinica,2012,40(6):1240-1245.(in Chinese)
[14] 王小旭,赵琳,薛红香.强跟踪CDKF及其在组合导航中的应用[J].控制与决策,2010,25(12):1837-1842. WANG Xiao-xu,ZHAO Lin,XUE Hong-xiang.Strong stracking CDKF and appication for integrated navigation[J].Control and Decision,2010,25(12):1838-1843.(in Chinese)
[15] 徐树生,林孝工,赵大威,等.强跟踪SRCKF及其在船舶动力定位中的应用[J].仪器仪表学报,2013,34(6):1266-1272. XU Shu-sheng,LIN Xiao-gong,ZHAO Da-wei,et al.Strong tracking SRCKF and its application in vessel dynamic positioning[J].Chinese Journal of Scientific Instrument,2013,34(6):1266-1272.(in Chinese)
[16] 徐树生.船舶动力定位系统多传感器信息融合方法研究[D].黑龙江哈尔滨:哈尔滨工程大学,2013. XU Shu-shing.Research on the multi-sensor information fusion methods of vessel dynamic positioning system[D].Harbin,Heilongjiang:Harbin Engineering University,2013.(in Chinese)

强跟踪自适应平方根容积卡尔曼滤波算法

Strong Tracking Adaptive Square-Root Cubature Kalman Filter Algorithm

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

[1]	林志, 林敏, 黄清泉, 赵柏, 顾晨伟, 许拔. 能效最大化准则下的星地融合网络的安全波束成形算法[J]. 电子学报, 2022, 50(1): 124-134.
[2]	吴龙文, 聂雨亭, 张宇鹏, 何胜阳, 赵雅琴. 基于变分模态分解的自适应滤波降噪方法[J]. 电子学报, 2021, 49(8): 1457-1465.
[3]	吴立强, 韩益亮, 杨晓元, 张敏情, 杨凯. 基于理想格的鲁棒门限代理重加密方案[J]. 电子学报, 2020, 48(9): 1786-1794.
[4]	孟祥新, 柳桃荣, 笪敏, 刘泽鑫. 一种高精度的毫米波稀疏平面阵列频域类成像算法[J]. 电子学报, 2020, 48(8): 1479-1485.
[5]	井美, 惠小静, 王蓉. 基于相似度的直觉模糊推理反向三I算法的鲁棒性[J]. 电子学报, 2020, 48(2): 265-271.
[6]	吉利鹏, 倪锦根. 偏差补偿符号子带自适应滤波器[J]. 电子学报, 2020, 48(11): 2220-2225.
[7]	赵益波, 严涛, 李春彪, 杨蕾. α-稳定分布噪声环境下的非线性回声消除研究[J]. 电子学报, 2020, 48(1): 59-65.
[8]	曾伟辉, 李淼, 李增, 熊焰. 基于高阶残差和参数共享反馈卷积神经网络的农作物病害识别[J]. 电子学报, 2019, 47(9): 1979-1986.
[9]	王春东, 杨蕾, 万福金, 刘哲理, 朱立坤. 数据库水印模型及其算法综述[J]. 电子学报, 2019, 47(4): 946-954.
[10]	张浩为, 谢军伟, 葛佳昂, 宗彬锋, 路文龙. 基于波形调度的机动目标跟踪算法[J]. 电子学报, 2019, 47(3): 560-567.
[11]	惠小静, 井美, 王蓉. 基于直觉模糊推理(1,2,2)-a型泛三I算法的鲁棒性[J]. 电子学报, 2019, 47(2): 410-416.
[12]	黄翔东, 杨琳, 杨孟凯, 黄光明. 抗噪鲁棒性可分级的稀疏阵列频率和到达角估计[J]. 电子学报, 2019, 47(1): 122-128.
[13]	谢显中, 陈九九, 扶渝茜. 全双工信息与能量同传系统的鲁棒性预编码及高能效时隙分配方案[J]. 电子学报, 2018, 46(5): 1213-1221.
[14]	王尔申, 王玉伟, 庞涛, 曲萍萍, 姜毅. 基于边攻击成本的复杂网络鲁棒性研究[J]. 电子学报, 2018, 46(5): 1166-1172.
[15]	闫震海, 杨飞然, 杨军. 一种变正则化矩阵的改进多带结构子带自适应滤波算法[J]. 电子学报, 2017, 45(8): 2019-2025.