自适应CKF强跟踪滤波器及其应用  

Adaptive CKF strong tracking filter and application

作　　者：丁家琳[1] 肖建[1] 赵涛[2] 

机构地区：[1]西南交通大学电气工程学院,四川成都610031 [2]西南交通大学交通运输与物流学院,四川成都610031

出　　处：《电机与控制学报》2015年第11期111-120,共10页Electric Machines and Control

基　　金：国家自然科学基金(51177137);国家自然科学基金重点项目(61134001)

摘　　要：针对强跟踪滤波器(STF)的理论局限以及基于UT变换的强跟踪滤波器(UTSTF)处理高维非线性系统时滤波精确度下降甚至发散等问题,提出一种基于容积卡尔曼滤波(CKF)算法的强跟踪滤波器(CKFSTF)。CKFSTF兼具了STF和CKF的优点:鲁棒性强,滤波精度高,数值稳定性好,计算速度快,容易实现且应用范围广。此外,对于目标跟踪系统过程噪声统计特性未知的情况,在CKFSTF的基础上应用Sage-Husa噪声估值器对噪声统计特性进行在线估计,形成自适应CKFSTF。仿真结果验证了新算法的有效性。For the problem that Strong tracking filter（ STF） has some theoretical limitations and the STF based on unscented transformation（ UTSTF） declines in accuracy and further diverges when solving the nonlinear filtering problem in high dimension,a cubature Kalman filter（ CKF） with strong tracking behavior（ CKFSTF） was proposed. CKFSTF combines advantages of STF and CKF： strong robustness,high accuracy,strong numerical stability,fast calculation speed,easy implementation and wide range of applications. Furthermore,adaptive CKFSTF was proposed when the prior noise statistic is unknown and time-varying,which using Sage-Husa noise statistic estimator based on CKFSTF. Validity of the new proposed algorithm was verified by the simulation examples.

关 键 词：强跟踪滤波器 容积卡尔曼滤波 自适应性 目标跟踪 

分 类 号：TP273[自动化与计算机技术—检测技术与自动化装置]