条件线性状态空间模型Rao-Blackwellized卷积滤波算法

摘要：

针对条件线性高斯状态空间模型,提出一种新的状态滤波方法,称为Rao-Blackwellized卷积滤波(Rao-Blackwellized convolution filtering,RBCF)算法,算法用卷积滤波器(convolution filter,CF)估计模型中的非线性状态,用卡尔曼滤波器(Kalman filter,KF)估计线性状态;与Rao-Blackwellized粒子滤波器(Rao-Blackwellized particle filter,RBPF)相比,算法使用了基于核函数的CF,提高了在小噪声条件下的估计精度.RBCF滤波算法应用于机动目标跟踪的仿真结果表明:在小噪声条件下,RBCF的估计精度明显高于RBPF,其对位置和速度估计的均方根误差比RBPF低一个数量级以上.而且随着噪声进一步的减小,这种优势将更加明显.

关键词：信息处理、Rao-Blackwellized卷积滤波、仿真、条件线性高斯、目标跟踪

所属期刊栏目：32

分类号：TP391(计算技术、计算机技术)

资助基金：国家自然科学基金60972024;国家重点基础研究发展规划项目2006CB705707;国家重大专项02专项2009ZX02027-004资助课题

在线出版日期：2010-08-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：1329-1333