考虑随机量测时滞和同步相关噪声的改进高斯滤波算法

• 作者: 于浛 宋申民 张秀杰 李鹏 陈建伟
• 来源期刊: 控制理论与应用
• 关键词: 高斯滤波 容积卡尔曼滤波 随机时滞 同步相关噪声
• 年，卷（期）: 2016,（2）
• 所属期刊栏目: 长论文
• 页码范围: 133-145
• 页数: 13页
• 分类号: V448
• 语种: 中文
• DOI: 10.7641/CTA.2016.50216

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。

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	宋申民	哈尔滨工业大学控制理论与制导技术研究中心	105	1195	19.0	25.0
2	李鹏	湘潭大学信息工程学院	19	180	7.0	13.0
3	张秀杰	哈尔滨工业大学基础与交叉科学研究院	6	21	2.0	4.0
4	于浛		3	25	2.0	3.0
8	陈建伟		2	8	1.0	2.0