自适应高斯—厄米特滤波器

针对带有未知统计特性噪声的非线性系统,提出了一种新型的自适应滤波器——自适应高斯—厄米特滤波器(AGHF),其过程是通过将Sage-Husa噪声估计器推广到非线性系统,得到更为一般的噪声估计的递推形式,它与高斯—厄米特滤波器(GHF)相融合,得到适用于带有未知统计特性噪声的非线性系统的高精度自适应滤波器.仿真结果表明,当非线性系统存在一类未知统计特性噪声(系统噪声或测量噪声)时,与扩展卡尔曼滤波器(EKF)、GHF和自适应扩展卡尔曼滤波器(AEKF)相比,AGHF滤波器可显著提高对噪声统计特性和系统状态的估计精度.

状态估计中确定性采样滤波器的比较分析

基于采样方法的滤波器在非线性滤波领域内得到了广泛应用。其共同特点是利用抽样粒子点模拟系统状态的概率分布,从而不受状态先验分布假设(如高斯假设)的约束,拥有更高的滤波精度和更广的应用范围。在确定性抽样意义下论述了几种现有的确定性采样滤波器,并对这几种滤波器在状态估计领域(滤波)的应用进行了精度和计算负荷分析。采用一维及多维算例验证了几种方法的估计精度。给出基于实际系统需求一般性评价和选用原则。

高斯-厄米特滤波器在捷联惯导系统初始对准中的应用

为提高静基座初始对准精度,缩短对准时间,采用了基于大方位失准角的对准模型,引入了高斯-厄米特滤波器(GHF)。针对GHF中均值和协方差阵的多元非线性高斯积分求解问题,利用初始对准误差方程的非线性是由大方位失准角导致的特点,通过状态的线性变换,求其线性状态解析解,将高维积分转化成一元数值积分,在不损失精度的前提下,解决了GHF在对准应用的"维数灾难"问题。将此算法用于实际系统,对比于扩展卡尔曼滤波器(EKF)、无迹卡尔曼滤波器(UKF),结果表明在大方位失准角条件下,GHF方法偏航角的对准精度提高了16%,对准时间缩短了75%。