基于Sigma点Kalman滤波的车载导航系统状态估计

针对扩展卡尔曼滤波(EKF)在车载组合导航系统状态估计问题中的缺陷,介绍了一种新的方法——Sigma点卡尔曼滤波(SPKF)用于车载组合导航系统的非线性状态估计。其思想是基于非线性函数的加权统计线形化,SPKF滤波算法能够给出随机变量非线性变换以后更精确的均值和协方差的估计,从而带来更高的精度。最后通过GPS/DR组合导航模型时间序列的状态估计仿真实例说明:同EKF相比,SPKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacobi矩阵,是一种良好的非线形滤波方法。

Unscented卡尔曼滤波在状态估计中的应用

针对非线形系统的滤波问题,无法使用卡尔曼滤波器(KF),扩展卡尔曼滤波(EKF)方法虽能应用于非线形系统,但给出的是状态的有偏估计,并且对模型误差的鲁棒性较差。为了给出更好的状态估计值,该文介绍了Unscented卡尔曼滤波(UKF)的基本原理,其思想是:基于unscented变换,UKF滤波算法能够给出更精确的均值和协方差的估计,从而带来更高的精度。最后通过Mackey-G lass模型时间序列的状态估计仿真实例说明:同EKF相比,UKF的滤波精度和稳定性都显著提高了,还可避免计算烦琐的Jacob i矩阵,是一种良好的非线性滤波方法。