一种改进中心差分卡尔曼滤波方法

doi:10.3778/j.issn.1002-8331.2010.19.038

计算机工程与应用 ›› 2010, Vol. 46 ›› Issue (19): 132-134.DOI: 10.3778/j.issn.1002-8331.2010.19.038

• 数据库、信号与信息处理 • 上一篇下一篇

一种改进中心差分卡尔曼滤波方法

杨宏^1，2，李亚安¹，李国辉^1，2，袁润平³

1.西北工业大学航海学院，西安710072
2.西安邮电学院电子工程学院，西安710061
3.西安交通大学电子与信息工程学院，西安710049

收稿日期:2010-01-28 修回日期:2010-04-20 出版日期:2010-07-01 发布日期:2010-07-01
通讯作者: 杨宏

Method of improving central difference Kalman filter

YANG Hong^1，2，LI Ya-an¹，LI Guo-hui^1，2，YUAN Run-ping³

1.College of Marin，Northwestern Polytechnical University，Xi’an 710072，China
2.School of Electronic and Engineering，Xi’an University of Post and Telecommunications，Xi’an 710061，China
3.School of Electronics and Information Engineering，Xi’an Jiaotong University，Xi’an 710049，China

Received:2010-01-28 Revised:2010-04-20 Online:2010-07-01 Published:2010-07-01
Contact: YANG Hong

摘要/Abstract

摘要： 针对中心差分卡尔曼滤波（CDKF）跟踪时估计精度较低这一不足，提出了一种基于迭代测量更新的中心差分卡尔曼滤波（ICDKF）方法。本文将迭代滤波理论引入到中心差分卡尔曼滤波算法中，重复利用观测信息，采用经典的非线性非高斯模型进行仿真实验，给出了该算法与扩展卡尔曼滤波（EKF）、中心差分卡尔曼滤波（CDKF）的仿真结果，并分析了其跟踪性能和均方根误差。实验结果表明，迭代中心差分卡尔曼滤波（ICDKF）算法不仅具有无需计算Jacobian矩阵的优点，而且具有更高的估计精度。

Abstract: In order to improve tracking estimation accuracy of existing Central Difference Kalman Filter（CDKF），a new iterative central difference kalman filter is proposed.In this paper，iterative filtering theory is introduced into the extended kalman filter algorithm，and observation information is reused.Taking the classic non-linear and non-gaussian model for example，several simulation experiments are given by using the algorithm such as extended kalman filter（EKF），Central Difference Kalman
Filter，and iterative central difference kalman filter.In comparison with the tracking performance and root mean square error，iterative central difference kalman filter（ICDKF） algorithm not only has no need to calculate Jacobian matrix，but also has a higher estimation accuracy.

中图分类号:

TP273

杨宏^1，2，李亚安¹，李国辉^1，2，袁润平³. 一种改进中心差分卡尔曼滤波方法[J]. 计算机工程与应用, 2010, 46(19): 132-134.

YANG Hong^1，2，LI Ya-an¹，LI Guo-hui^1，2，YUAN Run-ping³. Method of improving central difference Kalman filter[J]. Computer Engineering and Applications, 2010, 46(19): 132-134.

[1]	吴志华^1，2，丁杨斌¹，申功勋¹. 改进的非线性鲁棒EKF算法及其应用[J]. 计算机工程与应用, 2011, 47(3): 207-209.
[2]	范加利，吕小龙，赵国良. 超空泡航行体的自适应模糊滑模控制研究[J]. 计算机工程与应用, 2011, 47(3): 218-220.
[3]	周勇，王尤慧，程春田. Online-HHT方法在时间序列数据流预测中的应用 [J]. 计算机工程与应用, 2011, 47(3): 142-145.
[4]	李超峰，卢建刚，孙优贤. 基于SVM逆系统的非线性系统广义预测控制[J]. 计算机工程与应用, 2011, 47(2): 223-226.
[5]	薄翠梅¹，张广明¹，侯萍²，王执铨². 双时滞不确定离散系统的满意容错控制[J]. 计算机工程与应用, 2011, 47(1): 234-237.
[6]	颜艳¹，丁健²，管雪珍¹. 不完备信息系统的一种属性约简[J]. 计算机工程与应用, 2010, 46(36): 165-167.
[7]	彭书华¹，李邓化¹，苏中¹，李华德². 不确定Willis脑动脉瘤系统的自适应模糊滑模控制[J]. 计算机工程与应用, 2010, 46(34): 245-248.
[8]	衷路生^1，2，樊晓平¹，杨辉²，瞿志华¹. 随机状态空间系统的梯度优化辨识[J]. 计算机工程与应用, 2010, 46(33): 21-24.
[9]	耿蕾蕾^1，2，蔚承建¹. 基于混沌序列的最大和分散式协调算法[J]. 计算机工程与应用, 2010, 46(31): 57-60.
[10]	王建玉^1，2，陈俊伟²，王宁². 采用dsDNA-MC优化的非线性系统预测控制[J]. 计算机工程与应用, 2010, 46(31): 225-227.
[11]	李永刚，李星野. 受饱和输入约束的非线性系统滑模自适应控制[J]. 计算机工程与应用, 2010, 46(31): 235-238.
[12]	刘涛，王岩. 基于时延估计组合模型的NCS控制方法研究[J]. 计算机工程与应用, 2010, 46(30): 78-81.
[13]	周欣然^1，2，滕召胜¹，蒋星军³. 无偏LSSVM的抗噪在线过程建模方法[J]. 计算机工程与应用, 2010, 46(30): 226-229.
[14]	李晓斌^1，2，王海波². 真空冷冻干燥温度的智能预测控制[J]. 计算机工程与应用, 2010, 46(30): 241-244.
[15]	胡爱花，徐振源，过榴晓. 参数不确定混沌系统的时滞同步[J]. 计算机工程与应用, 2010, 46(28): 25-27.

一种改进中心差分卡尔曼滤波方法

Method of improving central difference Kalman filter

PDF

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics