基于反向预测卡尔曼滤波自适应算法研究.pdfVIP

ComputerEngineeringandAppBcations计算机工程与应用 2010，46(29) 137 基于反向预测卡尔曼滤波 自适应算法研究 李 中志 ，汪学刚 LIZhong-zhi ，WANG Xue-gang 1．电子科技大学 电子工程学院，成都 610054 2．成都信息工程学院 网络工程系 ，成都 610225 1．SchoolofElectronic Engineering，University ofElectronic Scienceand Technology ofChina，Chengdu 610054，China 2．DepartmentofNetworkEngineering，ChengduUniversiyt ofInformationTechnology，Chengdu 610225，China E—mail：lizz _ uestc@163．com LIZhong—zhi．WANG Xue-gang．Kalman fiJteradaptive algorithm study based on reverseprediction．ComputerEngineer— ingandApplications。2010。46(29)：137—139． Abstract：Standard Kalman filteralgorithm assumes system mathematica1modeland statisticalnoise characteristics：iteasily leadsto errorsand even divergencewhen the assumptiveand actualmodelsdo notmatch．Proposed Kalman filteradaptivea1． gofithm basedon reverseprediction，bycomparingtheoriginalstatenormalizedinnovation squareandreversepredictedstate nomralized innovation square．correctspredicted state 0n一】inebynoisemode1adjustmentwhen thenormalized innovation square ratio isgreaterthan the threshold．Radartargettracking simulation resultsshow thatthe algorithm can improve filter— ing accuracy and robustnesswhen targetmaneuversandnoiseincreases． Key words：adaptive；Kalmna filter；reverseprediction；targettracking 摘 要：标准卡尔曼滤波算法对系统的数学模型和噪声统计特性进行 了假设，当该假设与实际的模型不匹配时容易造成滤波误 差较大甚至滤波发散。提 出基于反向预测卡尔曼滤波 自适应算法，通过比较原始预测状态归一化新息平方和反向预测状态归一 化新息平方，当比值大于设定阈值时在线进行过程噪声调整，从而修正预测状态。雷达 目标跟踪仿真研究结果表明，该算法对 目 标机动和过程噪声增大有较强的 自适应性，能够提高滤波精度和鲁棒性。 关键词：自适应 ；卡尔曼滤波；反向预测 ；目标跟踪 DOI：10．3778~．issn2010．29．038 文章编号：1002．8331(2010)29．0137．03 文献标识码：A 中图分类号：TP311 1 前言 记忆滤波 、限定记忆滤波和 自适应滤波等 ，这些方法是以牺 经典卡尔曼滤波将状态变量分析方法引入滤波理论中， 牲滤波最佳性为代价的；而克服滤波数值不稳定的主要方法 得到了最小均方误差估计问题的时域解n。卡尔曼滤波理论 有 ：协方差平方根滤波与平滑，新息平方根滤波与平滑、序列 突破了维纳滤波的局限性 ，它可用于非平稳和多变量的场合 ， 平方根滤波与平滑等 。 而且卡尔曼滤波具有递推结构，因此特别适合计算机求解 ，由 针对滤波模型和过程噪声统计特性不确定引起的滤波发