抗野值性能的无迹卡尔曼滤波算法的研究

计算机工程与应用 ›› 2012, Vol. 48 ›› Issue (33): 153-156.

• 数据库、信号与信息处理 • 上一篇下一篇

抗野值性能的无迹卡尔曼滤波算法的研究

张怡，廉晶晶，黄文刚

西北工业大学电子信息学院，西安 710072

出版日期:2012-11-21 发布日期:2012-11-20

Algorithm of outlier rejecting unscented Kalman filter

ZHANG Yi, LIAN Jingjing, HUANG Wengang

School of Electronics and Information, Northwestern Polytechnical University, Xi’an 710072, China

Online:2012-11-21 Published:2012-11-20

摘要/Abstract

摘要： 动态定位中野值的存在，使无迹卡尔曼滤波UKF（Unscented Kalman Filter）的结果不再准确甚至发散。针对这一问题，提出了一种具有抗野值性能的UKF算法。该算法将经典UKF算法与野值的剔除相结合，通过对新息序列的判断，对野值点进行处理，实时地调整滤波增益或者进行野值计算，使UKF算法在野值干扰下仍为最优估计。仿真证明该算法可以有效地辨识和剔除野值的干扰，抑制滤波的发散，提高了定位的精度。

关键词: 定位, 无迹卡尔曼滤波, 野值, 新息, 增益, 精度

Abstract: The innovation of the Unscented Kalman Filter（UKF） is often damaged because of the presence of outliers in the dynamic positioning, which make the filter no longer accurate or even divergent. To solve this problem, the principle of the UKF algorithm and the effect of outliers on UKF algorithm have been analyzed. An outlier rejecting UKF algorithm has been proposed. This algorithm combines the UKF algorithm with the eliminate of outliers, adjusts the gain factor or performs outliers rejecting calculation according to monitoring innovation, such that the UKF algorithm still be optimal when there are outliers in measurement. The result of simulation demonstrates that the algorithm can eliminate the bad effect of outliers on filter effectively and improve the measurement accuracy．

Key words: positioning, Unscented Kalman Filter（UKF）, outlier, innovation, gain, accuracy

张怡，廉晶晶，黄文刚. 抗野值性能的无迹卡尔曼滤波算法的研究[J]. 计算机工程与应用, 2012, 48(33): 153-156.

ZHANG Yi, LIAN Jingjing, HUANG Wengang. Algorithm of outlier rejecting unscented Kalman filter[J]. Computer Engineering and Applications, 2012, 48(33): 153-156.

[1]	王博，宋丹，王洪玉. 无人机自主巡检系统的关键技术研究[J]. 计算机工程与应用, 2021, 57(9): 255-263.
[2]	徐少杰，曹雏清，王永娟. 视觉SLAM在室内动态场景中的应用研究[J]. 计算机工程与应用, 2021, 57(8): 175-179.
[3]	周彦，旷鸿章，牟金震，王冬丽，刘宗明. 面向半稠密三维重建的改进单目ORB-SLAM[J]. 计算机工程与应用, 2021, 57(8): 180-184.
[4]	杨力，吴义，魏德宾，潘成胜. 基于时空相关性的卫星网络流量预测[J]. 计算机工程与应用, 2021, 57(7): 101-106.
[5]	马巧梅，王明俊，梁昊然. 复杂场景下基于改进YOLOv3的车牌定位检测算法[J]. 计算机工程与应用, 2021, 57(7): 198-208.
[6]	李中道，刘元盛，常飞翔，张军，路铭. 室内环境下UWB与LiDAR融合定位算法研究[J]. 计算机工程与应用, 2021, 57(6): 260-266.
[7]	赵凡，张琳，闻治泉，杨林林，蔺广逢. 一种直接高效的自然场景汉字逼近定位方法[J]. 计算机工程与应用, 2021, 57(6): 159-167.
[8]	宋云博，陈冬艳，郝赟，付先平. 基于级联卷积神经网络的高效目标检测方法[J]. 计算机工程与应用, 2021, 57(5): 139-145.
[9]	王昱潭，朱超伟，赵琛，李乐凯，李萍，冯朝旭，薛君蕊，李嘉婧，张加欣. 基于Faster R-CNN的灵武长枣图像检测方法[J]. 计算机工程与应用, 2021, 57(4): 216-224.
[10]	李昱奇，刘志乾，程凝怡，王莹莹，朱春丽. 多约束条件下无人机航迹规划[J]. 计算机工程与应用, 2021, 57(4): 225-230.
[11]	唐蕊，焦继业，徐华昊. 面向嵌入式的卷积神经网络硬件加速器设计[J]. 计算机工程与应用, 2021, 57(4): 252-257.
[12]	於小杰，贺勇，刘盛华. 一种用于无人机室内定位的改进ORB光流算法[J]. 计算机工程与应用, 2021, 57(4): 266-271.
[13]	程帅，吴华锋，梅骁峻. 交替非负约束框架的海洋传感网协同定位[J]. 计算机工程与应用, 2021, 57(23): 129-136.
[14]	谢兄，杨金鹏. YOLO-wLU：考虑定位不确定性的目标检测算法[J]. 计算机工程与应用, 2021, 57(22): 223-231.
[15]	杨世强，白乐乐，赵成，王国栋，李德信. 一种改进的Qtree_ORB算法[J]. 计算机工程与应用, 2021, 57(20): 82-89.

抗野值性能的无迹卡尔曼滤波算法的研究

Algorithm of outlier rejecting unscented 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