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

• 学术论文 • 上一篇    下一篇

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. 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 发布日期: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. 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:

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: