基于矩阵对角化变换的高阶容积卡尔曼滤波

为了提高高阶容积卡尔曼滤波器(CKF)的滤波性能,提出一种基于矩阵对角化变换的高阶CKF算法.该算法基于高阶容积准则,利用矩阵对角化变换代替标准高阶CKF中的Cholesky分解,使得协方差矩阵分解后的平方根矩阵保留了原有的特征空间信息,状态统计量计算更加准确,从而提高了滤波精度;同时,矩阵对角化变换不要求协方差矩阵正定,增强了算法滤波稳定性.仿真结果表明,所提出的算法是可行而有效的,明显改善了标准高阶CKF的滤波效果.

高阶DMCKF的BDS/GPS精密单点定位算法

为提高BDS/GPS组合定位系统的精确性和稳定性,将高阶容积卡尔曼滤波(CKF)应用于定位参数估计,并利用矩阵对角化(DM)变换替代标准高阶CKF中的Cholesky分解过程。通过DM变换,由协方差矩阵分解得到的平方根矩阵具有状态统计量更加准确、保留原有特征空间信息的特点,从而提高了滤波精度;同时,DM变换的协方差矩阵不要求正定,增强了滤波的稳定性。测试结果表明,该滤波算法在提高定位精度和稳定性上有效、可行。