迭代测量更新CDKF的粒子滤波方法

为了提高中心差分卡尔曼粒子滤波(CDKFPF)算法跟踪时的估计精度,提出了一种基于迭代测量更新CDKF的粒子滤波(ICDKFPF)新算法。该算法利用迭代中心差分卡尔曼滤波的最大后验概率估计产生粒子滤波的重要性密度函数,并用Levenberg-Marquardt方法对状态协方差进行修正,使粒子的观测信息得到充分有效的利用,更加符合真实状态的后验概率分布。仿真结果表明,所提出算法的估计性能要明显优于标准的粒子滤波(PF)和中心差分卡尔曼粒子滤波(CDKFPF)。

自适应CDPF及其在组合导航中的应用

在组合导航系统中,高精度的导航算法对导航解算精度有非常重要的影响。为提高捷联惯导(SINS)/合成孔径雷达(SAR)组合导航系统定位的解算精度,针对粒子滤波中密度分布函数难以选取的问题,提出一种新的自适应中心差分粒子滤波(CDPF)算法。通过中心差分卡尔曼滤波来获取状态均值和协方差阵,计算获得自适应因子,并利用得到的因子自适应的调节均值和方差信息,得到一种参数可调节的重要性密度分布函数,提高了滤波精度,使滤波性能明显改善,能更好地解决非线性非高斯系统模型的滤波问题。将提出的算法应用于SINS/SAR组合导航系统中,仿真结果表明,改进的滤波算法能提高导航定位的解算精度,系统优化性能明显优于扩展卡尔曼滤波、粒子滤波以及中心差分粒子滤波。

新型粒子滤波算法在传递对准系统中的应用

为了提高传递对准非线性系统状态估计中粒子滤波算法的估计精度,提出了一类应用中心差分滤波(CDDF)算法产生粒子建议分布的中心差分粒子滤波(CDDPF)算法.该算法应用Stirling插值公式逼近非线性函数,用Cholesky分解确保误差方差阵正定性,获得滤波稳定数值计算;应用CDDPF算法生成粒子建议分布,能够融合最新量测信息;最后应用新算法对传递对准系统模型进行最优滤波,CDDPF算法数值计算稳定性优于UKPF算法,状态变量估计精度得到明显提高.