均方根容積代價參考粒子濾波算法

武青海 ，曲朝陽

(1.吉林農業科技學院電氣與信息工程學院，吉林 吉林 132101； 2.東北電力大學信息工程學院，吉林 吉林 132012)

均方根容積代價參考粒子濾波算法

武青海1，曲朝陽2

(1.吉林農業科技學院電氣與信息工程學院，吉林 吉林 132101； 2.東北電力大學信息工程學院，吉林 吉林 132012)

為提高復雜噪聲的濾波精度，基于均方根容積卡爾曼濾波(SCKF)和代價參考粒子濾波(CRPF)，提出一種新的均方根容積代價參考粒子濾波算法(SCCRPF)。算法采用SCKF和最新量測信息更新先驗分布函數，生成CRPF的重要密度函數，保留了SCKF對非線性系統的濾波精度，同時獲取了CRPF對噪聲假設未知系統的濾波精度。仿真結果表明，對于噪聲假設未知系統，SCCRPF的濾波精度高于均方根容積粒子濾波(SCPF)；對于噪聲假設已知系統，SCCRPF的濾波精度高于CRPF。

狀態估計； 非線性系統； 非高斯系統； 代價參考粒子濾波

0 引言

狀態估計問題在視景跟蹤、機器人定位、航海以及其他領域得到廣泛研究。對于非線性系統，常用的估計方法是擴展卡爾曼濾波(EKF)[1-2]、不敏卡爾曼濾波(UKF)[3-4]、均方根容積卡爾曼濾波(Square-root Cubature Kalman Filter,SCKF)[5-6]。但以上都是假設過程噪聲和量測噪聲為高斯白噪聲，在非高斯噪聲條件下的濾波效果就會很差。對于非線性非高斯系統，基于貝葉斯理論和蒙特卡羅方法的粒子濾波(Particle Filter,PF)[7-8]能夠獲取好的濾波效果。

為提高復雜噪聲系統的濾波精度，學者們提出了不依賴任何分布函數先驗知識的代價參考粒子濾波(Cost-Reference Particle Filter,CRPF)[9-10]。但在量測信息較為精確的條件下，CRPF的濾波精度可以通過融合最新量測信息進行改進。……