一种改进滤波器噪声模型自适应估计法.pdfVIP

_______________________________________________________________________________ 一种改进的滤波器噪声模型的自适应估计法 吴勇，林家骏 华东理工自动化研究所，上海，200237 摘要：本文提出了一种改进的加权最小二乘法估计噪声统计特性 Q 和 R 的方法，该方法在最小二乘的基础上通过建立次优估计新息自 相关函数来确定权值并递推出最优增益，进而推出了噪声的统计特 性，并且简化了 Q 的推导方法。仿真结果表明加权后的估计值比不 加权的估计值收敛更快，精度更高。 关键词： 卡尔曼滤波，新息，自相关函数，噪声估计 A Modified Adaptive Noise Estimation in Kalman Filtering WU Yong, LIN Jia-jun Institute: Research Institute of Automation ECUST, Shanghai, 200237 Abstract: A modified weighted least square methodology is proposed to estimated the noise statistics Q and R from the sub-optimal estimation by incorporating the autocorrelation functions of the innovation to determine the weight, then to deduce the optimal gain and finally to get the noise statistics. Further the way to get Q has been simplified. The simulation result shows the enhancement of the estimation result in both convergence rate and precision. Key words: Kalman filter, innovation, autocorrelation function, noise estimation 自从卡尔曼滤波理论问世以来，人们就开始研究诸如卡尔曼滤波器之类最佳估计方法的 收敛问题。而在实际应用中由于给定的先验状态模型、噪声模型不太准确，或者模型在动态 过程中会发生变化，使得滤波器的性能大为下降，甚至出现发散现象。 假设系统模型是线性的并假定噪声为方差已知的高斯加性白噪声，那么可以证明，在系 统完全可观和完全可控时，不论系统的初值如何选取，滤波器都可以收敛到稳态[1] 。如果能 准确地获得噪声统计的特性，滤波器的性能就能大大提高，因此人们花了很大的精力来估计 模型中的噪声方差阵Q 和R ，从而引入了自适应滤波的概念[2] 。 自适应滤波的目的是根据滤波自身产生的预报残差、滤波残差等信息对模型进行修正， 降低滤波产生的误差，以达到最佳的滤波效果。即利用观测数据进行递推滤波的同时，不断 地由滤波本身来判断动态系统是否有变化。如果判断发生了变化并把这种变化判别为随机干 扰，则可由滤波本身去估计由它产生的模型噪声方差阵。或者当模型噪声方差未知或不准确 时，由滤波本身不断地去估计和修正[3] 。 1 _______________________________________________________________________________中国科技论文在线 在自适应卡尔曼滤波器中，滤波器可以根据预测值和当前测量值之间的误差来调整Q 和 R 的值。目前有多个方法来实现此功能，主要