Cubature卡尔曼滤波-卡尔曼滤波算法
针对条件线性高斯状态空间模型,提出cubature卡尔曼滤波-卡尔曼滤波算法(CKF-KF),分别应用CKF和KF估计模型中的非线性和线性状态.该算法对非线性与线性状态均进行cubature采样,并将两种样本通过线性方程和量测方程进行传播,以获得非线性状态估计.机动目标跟踪仿真结果表明,CKF-KF的估计精度比Rao-Blackwellized粒子滤波器(RBPF)略低,但算法运行时间不到其1%;与无迹卡尔曼滤波器(UKF-KF)相比,估计精度相当,但算法运行时间降低了22%,有效地提高了实时性.
条件线性高斯模型、cubature卡尔曼滤波-卡尔曼滤波、无迹卡尔曼滤波器、实时性
27
U249(铁路桥涵工程)
国家自然科学基金项目60775001,60834005
2013-01-24(万方平台首次上网日期,不代表论文的发表时间)
共5页
1561-1565