一种有限记忆的自适应跟踪卡尔曼滤波器

研究一种自适应跟踪卡尔曼滤波器的设计问题。通过引入自适应渐消因子阵,限制卡尔曼滤波器的记忆长度,实时调整状态预报误差的协方差阵及相应的增益阵,弥补系统建模不确定性和不确定的环境噪声对滤波器性能的影响。通过数值仿真验证了设计方法的有效性。

GARUKF算法在无人船对准中的应用

针对无人船在恶劣海况下不仅做大幅摇摆运动,还会遭受海浪的周期性瞬时冲击以及阵发性短时强干扰等影响,提出一种GARUKF算法来提高对准精度,利用投影统计(PS)算法对滑动窗口内的新息向量重新赋权,实现对量测噪声方差阵的实时估计,并利用遗传(GA)算法求解自适应因子阵,最优化地调整量测噪声方差阵。与常规自适应鲁棒UKF算法(ARUKF)算法相比,该算法实现了自适应调节能力的最优化。仿真试验表明,本文提出的GARUKF算法在系统遭受短时强干扰以及瞬间冲击等影响时,水平方向对准精度达4′,方位对准精度可达5′。结合半实物实验结果,验证了该算法可有效提高滤波精度和稳定性,满足恶劣海况下无人船对准的要求。