| 改进的自适应衰减卡尔曼滤波算法 |
| |
| 引用本文： | 高伟,叶攀,许伟通.改进的自适应衰减卡尔曼滤波算法[J].计算机测量与控制,2016,24(8):28-28. |
| |
| 作者姓名： | 高伟 叶攀 许伟通 |
| |
| 作者单位： | 哈尔滨工程大学 自动化学院,哈尔滨工程大学 自动化学院,哈尔滨工程大学 自动化学院 |
| |
| 基金项目： | 国家自然科学基金(51379042)；中央高校基本科研业务费专项资金(heucfq1404)资助课题 |
| |
| 摘 要： | SINS/GPS组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型和随机噪声信息必须准确已知。实际情况下,大部分系统的模型和随机噪声信息不完全可知,这可能会导致滤波器估计精度下降。针对这一问题,根据求解遗传因子的方法不同对传统的自适应衰减卡尔曼滤波进行改进,提出一种改进的自适应衰减卡尔曼滤波。改进后的算法分别适用于系统噪声统计模型不准确可知和量测噪声统计模型不准确可知两种情况,分别对应于两种滤波算法,并且二者具有统一的滤波框架。仿真结果表明,改进的自适应衰减卡尔曼滤波比卡尔曼滤波精度较高,有效解决了因为噪声模型不准确导致的精度下降问题。
|
| 关 键 词： | 组合导航系统 自适应衰减卡尔曼滤波 遗忘因子 噪声模型 |
| 收稿时间： | 2016/1/16 0:00:00 |
| 修稿时间： | 2016/2/11 0:00:00 |
Improved Adaptive Fading Kalman Filter Algorithm |
| |
| XU Wei-tong.Improved Adaptive Fading Kalman Filter Algorithm[J].Computer Measurement & Control,2016,24(8):28-28. |
| |
| Authors: | XU Wei-tong |
| |
| Affiliation: | Automation College,Harbin Engineering University,,Automation College,Harbin Engineering University |
| |
| Abstract: | |
| |
| Keywords: | integrated navigation system adaptive fading kalman filter forgetting factor noise model |
|
| 点击此处可从《计算机测量与控制》浏览原始摘要信息 |
|
点击此处可从《计算机测量与控制》下载全文 |
|
