非线性系统的改进多模型扩展Kalman滤波器.pdf

文档介绍：2020 年 2 月 控 制 工 程 Feb. 2020
第 27 卷第 2 期 gorithm is utilized to predict the state of the nonlinear part. Then, in the measurement update
process, a sequential updating method is given to correct the predicted value of the linear part and the
non-linear part gradually. The final simulation results illustrate the nonlinear filtering property of the two
filtering methods.
Key words: Multi-model extended Kalman filter; nonlinear filtering; sequential updating; system split
1 引 言
使用传统的卡尔曼滤波算法求解线性系统的 是一种对后验概率密度近似而得到的一种次优滤
状态估计问题时，能够取得最小均方误差意义下的 波算法，它的核心是UT变换，UT变换是一种计算
最优估计，而且它是一种递推的滤波算法[1]。但是 非线性变换中随机变量统计特性的有效方法。其基
他的使用条件也相对严格，系统噪声必须服从零均 本思路是根据随机向量的统计特性，采用对称采样
值的高斯分布，而且系统模型必须是线性的。在现 的策略，选取一系列Sigma采样点，然后确定这些
实生活中，系统模型大多是非线性的[2~5]，如通讯、 采样点运算后的中心点，运算后各点距离中心的距
***、导航与雷达等。为此，人们提出了多种 离，以及相应的权值，进行加权平均求和，从而进
非线性滤波方法。如，无迹卡尔曼滤波(UKF) [6,7]、 行滤波。而扩展卡尔曼滤波是一种系统模型函数近
扩展卡尔曼滤波(EKF)[8,9]。其中，无迹卡尔曼滤波 似方法，通过保留非线性模型泰勒展开的一阶项，
收稿日期：2018-12-10；修回日期：2019-03-06
基金项目：国家自然科学基金资助项目(61673160, 61605026, U1604158, U1804163)
作者简介：宁子健(1994-)，男，河南永城人，研究生，主要研究方向为非线性滤波等；冯肖亮(1984-)，男，河南灵宝人，
博士