基于新息特性抗野值Kalman预测算法  

Kalman Prediction Algorithm Restraining Outliers Based on Innovation Property

作　　者：罗志斌[1] 刘先省[1] 胡振涛[1] 周林[1] 

机构地区：[1]河南大学计算机与信息工程学院,河南开封475001

出　　处：《河南大学学报（自然科学版）》2006年第4期79-82,共4页Journal of Henan University:Natural Science

基　　金：国家自然科学基金项目(60272024);河南省高校杰出科研人才创新工程项目(2003KYCX003);河南省高校创新人才培养工程项目

摘　　要：针对Kalman最优预测方法应用过程中,量测值中的野值对状态预测的不利影响,提出了一种基于新息正交特性实时估计量测方差的新算法.该算法使得修正的量测方差能够保持修正前的新息正交性,从而改变Kalman最优增益,修正状态预测值,使得预测误差的方差为最小.仿真结果表明,该算法能够克服野值对状态最优预测值的不利影响,提高了跟踪精度.For Kalman optimal prediction method application, the bad influences of the measurement values including outliers to state prediction, presents a new algorithm. The algorithm real time estimates measurement noise covariance in accord with the property of innovation, and makes modifying measurement eovariance keep orthogonal properties of innovation, then influences the Kalman optimal gain to modify state prediction values, to make the covariance of prediction error smallest. The simulation results show that the modified algorithm can restrain the bad influences of outliers and improve the tracking accuracy.

关 键 词：Kalman最优预测方程 野值 量测噪声方差 新息Kalman最优增益 

分 类 号：TP391[自动化与计算机技术—计算机应用技术]