一种高阶矩匹配的多层无迹卡尔曼滤波器的线性扩展方法

摘要：

本发明公开了一种高阶矩匹配的无迹卡尔曼滤波器的线性扩展方法，属于非线性滤波技术领域。本方法包括以下步骤：1)建立非线性系统的状态方程和测量方程；2)确定系统的初始状态值；3)基于上一步的状态估计和状态方程，使用线性扩展无迹变换计算一步状态预测的随机变量的分布特征；4)使用线性扩展无迹变换计算状态预测的随机变量经测量方程变换后的分布特征；5)使用卡尔曼增益融合状态预测以及实际测量数据计算最优状态的分布特征；6)判断迭代是否结束。本发明充使用比例修正的思想把正交对称样本以及多重采样的结构结合起来，通过匹配更多的高阶矩，使得近似逼近精度显著提高，降低计算复杂度，极大的提高了计算效率。

专利类型：发明专利

申请/专利号：CN201410263570.X

申请日期：2014-06-13

公开/公告号：CN104022757A

公开/公告日：2014-09-03

主分类号：H03H17/02(2006.01)I

申请/专利权人:中国科学院重庆绿色智能技术研究院

发明/设计人:刘江;杨文强;王玉金;张炬

主申请人地址:400714 重庆市北碚区方正大道266号

专利代理机构:北京同恒源知识产权代理有限公司 11275

代理人:赵荣之

国别省市代码:重庆;85

权利要求：

一种高阶矩匹配的多层无迹卡尔曼滤波器的线性扩展方法，其特征在于，具体包含以下步骤：1)根据实际工程应用，建立非线性系统的状态方程和测量方程；2)确定系统的初始状态值，即初始状态的随机分布特征，包括其均值、协方差以及高阶矩，噪声的分布特征，以及初始测量值；3)一步状态预测：基于上一步的状态估计和状态方程，使用线性扩展无迹变换计算一步状态预测的随机变量的分布特征；4)一步测量预测：基于步骤3)的状态预测和测量方程，使用线性扩展无迹变换计算状态预测的随机变量经测量方程变换后的分布特征；5)使用卡尔曼增益融合状态预测以及实际测量数据计算最优状态的分布特征，完成非线性系统一步估计任务；6)判断迭代是否结束，如不结束，那么将当前步的随机变量的特征带入步骤3)作为上一步的状态估计，进行第下一步的计算。