低复杂度自适应容积卡尔曼滤波算法

摘要：

确定采样型滤波算法中的容积卡尔曼滤波(C KF)算法滤波性能优良,但是却难以克服目标模型不确定性或者目标状态突变带来的影响.构造强跟踪C KF能有效改善算法的自适应性,但是在求解渐消因子时大大增加了计算量.为此,提出一种低复杂度自适应C KF算法,通过设立基于新息的自适应修正判决准则和修正方式,直接对状态预测值进行修正,使滤波算法能及时跟上目标真实状态,以提高滤波精度.使用浮点操作数计算并分析了C KF算法、强跟踪C KF算法及所提算法的复杂度,同时将3种算法应用在建模不准确的目标跟踪中,并进行仿真验证.仿真结果表明:在目标建模不匹配的情况下,低复杂度自适应C KF算法和强跟踪C KF算法都能保持较好的滤波精度和数值稳定性,同时所提算法在算法复杂度上有明显改善.

关键词：容积卡尔曼滤波(CKF)、目标模型不确定性、强跟踪滤波器、自适应修正、算法复杂度

所属期刊栏目：48

分类号：TN953

资助基金：空军工程大学校长基金XZJ2020039

在线出版日期：2022-05-07（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：716-724