非线性非高斯模型的高斯和滤波算法.pdfVIP

32卷 第 12期 系统工程 与电子技术 V01．32 No．12 2010年 12月 SystemsEngineeringandElectronics 17)ecember2010 文章编号 ：1001—506X(2010)12—249307 非线性非高斯模型的高斯和滤波算法 林 青 ，尹建君 ，张建秋 ，胡 波 (复 旦大学 电子工程系 ，上海 200433) 摘 要 ：通过将模 型的状态噪声和观测噪声均表示成高斯和的形式 ，推导 出非线性非高斯状态空间模 型的高 斯和 递推 算法 ，进 一 步提 出了对应的扩展 卡 尔曼和滤 波 器 (extendedKalmansumfilter，EKSF)和 高斯 厄密特和 滤 波器 (GaussHermitesum filter，(jHSF)。EKSF和 GHSF分别 用扩展 卡 尔曼滤波器 (extendedKalmanfilter， EKF)和高斯厄密特滤波器(Gauss—Hermitefilter，GHF)作为高斯子滤波器 。分析 的结果表 明，现有 的高斯和滤 波算法是本文算法的特例 ；仿真结果表 明．EKSF和 GHSF能有效处理非线性非高斯模 型 的状态滤波 问题 ，与高 斯和粒子滤波器(GaussianSUnlparticlefilter，GSPF)相 比，EKSF和 GHSF在保证精度 的 同时，大大降低 了计算 量 ，仿 真时 间分 别约 为 GSPF的 5 和 6 。 关键词 ：信 息处理 ；扩展卡尔曼和滤波器 ；高斯厄密特和滤波器；非线性非高斯模型 中图分类号 ：TP391 文献 标志码 ：A DO1：10．3969／j．issn．1001—506X．2010．12．O1 Gaussian sam filteringmethodsfornonlinearnon—Gaussianmodels LIN Qing，YIN Jian—jun，ZIIANGJian—qiu，HU Bo (Electro*litEngineering Dept．，FudanUniv．，ShanKhai200433，C^ina) Abstract：TheGaussian Slim recursivealgorithmsfornonlinearnonGaussian statespacemodels，onthe assumptionthatlheprocessandmeasurementnoisesaredenoted byGaussiansums，isfirstlydeduced．And thenthee．orrespondingextendedKalmansum filter(EKSF)andtheGauss—Hermitesum filter(GHSF)arepro— posed。whichusetheextendedKalmanfilter(EKF)andGauss—Hermitefi1ter(GHF)astheGaussiansub—filter respectively．Theanalysisshowsthattheexisting Gaussian SUITIfiltering algorithmsarenothingbutspecial casesofthededucedalgorithm．Thesimulationresultsshow thattheproposedEKSF andGHSF candealwith thestateestimationofthenonlinearnon—Gaussianmodelseffectively，andonlyconsulneabout5V0and6 of thecomputingtimerequiredbytheGaussiansum particlefilter (GSPF)，whiletheconsistentfilteringp