论文部分内容阅读
现实生活中的很多问题都可以用非线性随机系统模型进行描述,如:火箭的制导与控制、雷达探测、卫星轨道和姿态估计等,而非线性滤波技术就是对非线性随机系统的最优状态估计。对于非线性随机系统,信息滤波具有状态估计方程简单、直接传播系统方差矩阵的逆矩阵的优点。如何提高信息滤波算法的估计精度,是信息滤波的研究热点之一。本文提出了几种非线性信息滤波算法,提高了原有算法的估计性能。主要研究工作如下:1.平方根滤波可提高算法的估计精度和数值稳定性,与球面单形径向Kalman滤波结合,提出了平方根球面单形径向Kalman滤波算法。新算法利用球面单形径向准则进行积分点的选取和相应权值的计算,在时间更新步和量测更新步利用方差矩阵的平方根因子进行传播,提高了算法的稳定性和估计精度;将该算法与信息滤波算法结合,提出了平方根球面单形径向信息滤波算法。3维洛伦兹系统的仿真实验和两个永磁同步机的多传感器融合实验表明,新算法有更高的估计精度和更好的稳定性,提高了融合结果的精度和数值稳定性;针对特定的非线性-线性组合系统,对平方根球面单形径向信息滤波算法进行改进,提出了非线性-线性平方根球面单形径向信息滤波算法。新算法仅在时间更新步采用球面单形径向准则进行积分点的选取,在量测更新步不需要积分点的计算,减少了计算量。仿真结果表明,在估计性能与平方根球面单形径向信息滤波算法相近的情况下,新算法缩短了运行时间。基于强跟踪滤波对模型不准确或有不良量测的系统具有较强的鲁棒性,分别提出了强跟踪平方根球面单形径向Kalman滤波算法和强跟踪平方根球面单形径向信息滤波算法。通过引入时变渐消因子对误差方差矩阵进行实时更新,再利用更新后的值进行量测更新和滤波更新。仿真结果表明,新算法可以有效地提高系统状态的估计精度。2.针对非线性系统所含噪声为非高斯或噪声状态不确定的情况,H∞滤波估计效果较好。将H∞滤波与平方根球面单形径向信息滤波结合,提出了平方根球面单形径向H∞信息滤波算法。对于高斯低噪声、高斯高噪声、非高斯低噪声、非高斯高噪声及多传感器融合系统的仿真实验验证了新算法的有效性。3.为了进一步研究噪声服从非高斯分布的系统,基于秩统计量原理,提出了秩信息滤波算法。新算法采用秩采样选取一系列积分点,提高了信息状态的估计精度。仿真实验表明,秩信息滤波比扩展信息滤波和秩滤波有更高的估计精度,能更好地追踪系统的状态变化;将秩信息滤波与H∞滤波融合,提出了秩H∞信息滤波算法。仿真结果表明,秩H∞信息滤波算法提高了非高斯系统的估计精度。