一种改进的自适应模糊卡尔曼滤波算法

计算机工程与应用 ›› 2007, Vol. 43 ›› Issue (28): 25-28.

一种改进的自适应模糊卡尔曼滤波算法

张池平,刘宗尧

哈尔滨工业大学数学系,哈尔滨 150001

收稿日期:1900-01-01 修回日期:1900-01-01 出版日期:2007-10-01 发布日期:2007-10-01
通讯作者: 张池平

Improved adaptive fuzzy kalman filter algorithm

ZHANG Chi-ping,LIU Zong-yao

Department of Mathematics,Harbin Institute of Technology,Harbin 150001,China

Received:1900-01-01 Revised:1900-01-01 Online:2007-10-01 Published:2007-10-01
Contact: ZHANG Chi-ping

摘要/Abstract

摘要： 针对常规卡尔曼滤波（KF）处理小噪声和变化噪声不足,提出了一种改进的自适应模糊卡尔曼滤波[1]（IAF-KF）算法。该算法根据模糊推理输入量的变化特点建立一个新的非线性隶属度函数,取代了常用的三角形线形隶属度函数;然后利用模糊化后的等级和隶属度构造了补偿调节函数（CAF）,用于调节卡尔曼滤波算法中的误差,提高实际测量误差与理论测量误差间的匹配程度。仿真实验表明,较之传统的卡尔曼滤波,该方法在小噪声和变化的噪声情形下有效的克服了稳态误差,同时降低了模糊卡尔曼滤波算法的复杂程度。

关键词: 模糊推理, 卡尔曼滤波, 补偿调节函数, 自适应调节

Abstract: An improved adaptive fuzzy kalman filter algorithm is presented aimed at the normal kalman filter deficiency to deal with minor noise and change noise.First a new nonlinear membership function is established based on the characteristic of the fuzzy inferential input,instead of normal triangular membership function.Then a compensated adjusted function is constructed with grade and membership to adjust kalman filter error.So the matching degree is improved between actual and theoretical measure error.Simulation result indicated that the algorithm is efficiency to control steady error and degraded the complexity of fuzzy kalman filter in minor noise and change noise.

Key words: fuzzy inference, Kalman Filter, compensated adjusted function, adaptive adjust

张池平,刘宗尧. 一种改进的自适应模糊卡尔曼滤波算法[J]. 计算机工程与应用, 2007, 43(28): 25-28.

ZHANG Chi-ping,LIU Zong-yao. Improved adaptive fuzzy kalman filter algorithm[J]. Computer Engineering and Applications, 2007, 43(28): 25-28.

[1]	王蓓，陈金广，王明明. 复杂场景下的改进核相关滤波跟踪算法[J]. 计算机工程与应用, 2021, 57(2): 198-208.
[2]	李松，刘哲，唐小妹，吴健，王飞雪. 基于固定点迭代的Huber鲁棒容积卡尔曼滤波算法[J]. 计算机工程与应用, 2021, 57(16): 90-96.
[3]	毛彪，杨松，李英顺. 改进动态因果图与模糊推理融合故障诊断方法[J]. 计算机工程与应用, 2020, 56(3): 259-265.
[4]	王卉，李英顺. 改进型证据更新规则的动态故障诊断算法[J]. 计算机工程与应用, 2020, 56(2): 261-265.
[5]	贺军义，杨丰，安葳鹏，尚家泽. 基于IGGIII方案的自适应渐消卡尔曼滤波器[J]. 计算机工程与应用, 2020, 56(14): 52-56.
[6]	陈芳1，2，赵树宇1，杨素娣1，高秀梅1. Lipschitz聚合算子的模糊推理鲁棒性研究[J]. 计算机工程与应用, 2019, 55(6): 42-49.
[7]	洪濡，胡广地，李雨生，姚克狄. 分布式汽车驱动力能量效率优化分配控制[J]. 计算机工程与应用, 2019, 55(2): 246-252.
[8]	黄国荣，许明琪，卢航，魏翔，彭志颖. 自适应混合阶SSRCKF及其在组合导航中的应用[J]. 计算机工程与应用, 2019, 55(18): 229-235.
[9]	任臻1，李积英1，吴昊2. 基于M估计的鲁棒后向平滑CKF单站跟踪算法[J]. 计算机工程与应用, 2019, 55(11): 74-79.
[10]	梁新宇1，2，吴建德1，2，黄国勇1，2，孙磊1，2. H∞鲁棒自适应CKF算法在组合导航中的应用[J]. 计算机工程与应用, 2018, 54(9): 251-256.
[11]	李骏，刘岩. Lukasiewicz型直觉模糊推理三I方法的性质分析[J]. 计算机工程与应用, 2018, 54(8): 44-47.
[12]	胡方强1，2，吕涛1，包亚萍1. 改进的自适应Kalman滤波在SINS/GPS组合导航中的应用[J]. 计算机工程与应用, 2018, 54(5): 253-257.
[13]	赵勇1，2，巨永锋1. 基于条件先验人体模型的人体姿态估计[J]. 计算机工程与应用, 2018, 54(16): 24-29.
[14]	井美，惠小静，王蓉. 直觉模糊推理的三I约束算法[J]. 计算机工程与应用, 2018, 54(15): 53-56.
[15]	黄洋，姜文刚. 示教机械臂姿态解算改进方法仿真研究[J]. 计算机工程与应用, 2018, 54(15): 126-130.