一种基于指数渐消因子的自适应卡尔曼滤波算法

本文应用自适应估计理论,提出了一种指数渐消因子自适应算法。该算法通过实测残差与理论残差的比值来确定指数方程的系数,调节自适应渐消因子,保证了滤波的稳定性,提高了滤波精度,并且冲破了经验储备系数的限制。最后对比其他三种自适应滤波算法进行了仿真比较,仿真结果表明,指数渐消因子自适应滤波算法是一种实用而有效的算法。

基于改进自适应渐消卡尔曼滤波的通用航空GNSS/微惯性组合导航算法研究

通用航空产业的迅速发展,对我国的经济发展和改善民生有着重要的意义。考虑到通用航空飞行器体积和成本的限制,微小型组合导航系统是其首要选择。在硬件性能无法进一步提升的条件下,使用高效的卡尔曼滤波算法是提高组合导航系统精度和稳定性的关键。针对卡尔曼滤波模型建立不准确和卫星数据响应滞后会引起常规卡尔曼滤波发散的现象,在充分考虑反馈调节时滞特性的基础上,设计了带有前馈调节的指数渐消因子自适应卡尔曼滤波器,通过调节卡尔曼滤波方程中的预测误差协方差阵和增益矩阵调整历史新息和当前新息的权重达到抑制滤波发散的目的。仿真实验表明,该算法可以有效的抑制滤波发散,并且比常规的卡尔曼滤波效果更好,同时提高了算法的及时性。

基于ET-EMIE-GMPHD的机动目标跟踪及航迹关联

针对杂波环境下扩展目标高斯混合PHD滤波器不能有效跟踪机动目标且无法提供航迹信息的问题,引入一种改进的输入估计算法,通过指数渐消因子对滤波增益进行调整,实现对强机动目标的自适应跟踪。同时通过构造距离矩阵提出一种改进的航迹关联算法,减少了密集目标错误关联的概率。实验结果表明,所提算法具有很好的跟踪精度,同时能够正确给出密集扩展目标的航迹信息,具有较强的抗干扰性和鲁棒性。