衰减记忆迭代不敏卡尔曼滤波算法研究

提出了一种基于不敏卡尔曼滤波(UKF)的新方法。该方法首先将迭代策略引入到UKF中,一步预测值通过量测更新之后的状态值确定,然后引入衰减因子提高当前数据的利用比重,逐渐减小旧数据的利用比重,将迭代策略与衰减记忆算法融合。应用于GPS的静态单点定位中,仿真实验表明,新算法能够提供高于传统UKF算法的定位精度和稳定度。

基于序列二次规划的非线性不等式状态约束滤波算法

针对非线性不等式状态约束滤波问题,提出一种基于序列二次规划的迭代不敏卡尔曼滤波算法。在迭代不敏卡尔曼滤波的基础上,采用序列二次规划优化法求解非线性不等式约束条件下的最优解。通过对每一次迭代求解二次规划子问题来确定下降方向,重复该步骤直到求得原问题的解,利用效益函数对目标函数最小化和不等式约束条件进行权衡,以保证算法的收敛性,利用正定矩阵近似海森矩阵降低时间复杂度。对具有约束的航路跟踪系统进行实验仿真,结果表明,该算法在处理非线性不等式状态约束滤波问题时,能够有效地提高状态估计精度,获得较高的滤波精度,且时间复杂度较低。

抑制闪烁噪声的SMM-IUKF目标跟踪算法

针对末制导被动雷达跟踪测量的闪烁噪声问题,在分析多模型滤波及其简化算法的基础上,采用迭代不敏卡尔曼滤波(IUKF),设计了一种简化的多模型滤波器(SMM-IUKF),并以一个典型三维目标跟踪问题为例进行了蒙特卡洛仿真验证.该算法具有与SMM算法同阶的计算量,估计精确度高、收敛速度快,较好地解决了闪烁噪声滤波问题.