非线性非高斯模型的高斯和滤波算法

摘要：

通过将模型的状态噪声和观测噪声均表示成高斯和的形式,推导出非线性非高斯状态空间模型的高斯和递推算法,进一步提出了对应的扩展卡尔曼和滤波器(extended Kalman sum filter,EKSF)和高斯厄密特和滤波器(Gauss-Hermite sum filter,GHSF).EKSF和GHSF分别用扩展卡尔曼滤波器(extended Kalman filter,EKF)和高斯厄密特滤波器(Gauss-Hermite filter,GHF)作为高斯子滤波器.分析的结果表明,现有的高斯和滤波算法是本文算法的特例;仿真结果表明,EKSF和GHSF能有效处理非线性非高斯模型的状态滤波问题,与高斯和粒子滤波器(Gaussian sum particle filter,GSPF)相比.EKSF和GHSF在保证精度的同时,大大降低了计算量,仿真时间分别约为GSPF的5%和6%.

关键词：信息处理、扩展卡尔曼和滤波器、高斯厄密特和滤波器、非线性非高斯模型

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02重大专项子课题2009ZX02027-004;国家高技术研究发展计划863计划2009AA01A347资助课题

在线出版日期：2011-03-29（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：2493-2499