一种改进扩展卡尔曼滤波新方法.pdfVIP

18 2010，46(19) ComputerEngineeringandApplications计算机工程与应用 一 种改进扩展卡尔曼滤波新方法 杨 宏 。，李亚安 ，李国辉 YANG Hong1,2LIYa—an ，LIGuo-hui 1．西北工业大学 航海学院，西安 710072 2．西安邮电学院 电子工程学院，西安 710061 1．College ofM arin，Northwestern PolytechnicalUniversity，Xi’an 710072，China 2，SchoolofElectronicandEngineering，Xi’an University ofPostnad Telecommunications，Xi’na 710061，China E—mail：uestcyhong@163．corn YANG Hong，LIYa-an，LI Guo-hui．New method ofimproved extended Kalman filter．ComputerEngineering and Appli- cations．2010，46(19)：18．20． Abstract：In orderto improve tracking estimation accuracy ofExisting lterativeExtendedKalman Filter(EIEKF)，anew method ofimproved extended kalman filterisproposed．In thispaper，iterative filtering theory isintroduced into the extended Kalman filtermethod，and observation information isreused．Taking the classic non-linearand non—gaussian modelforexam— pie，severalsimulationexperimentsaregivenbyusingofthemethodsuchasExtendedKalmna Filter(EKF)，UnscentedKal— manFilter(UKF)，theExistingIterativeExtendedKalmanFilter(EIEKF)andnew IterativeExtendedKalmanFilter．Incompar- ison with the tracking performance and root mean square error，the new method of Improving Extended Kalman Filter (NIEKF)methodhasahigherestimationaccuracy． Keywords：nonlinear；iteration；measurementuppdate；ExtendedKalmanFilter(EKF)；Levenberg-Marquardtmethod 摘 要：针对现有的迭代扩展卡尔曼滤波(EIEKF)跟踪时估计精度较低这一不足，提出了一种改进扩展卡尔曼滤波(NIEKF)新方 法。本文将迭代滤波理论引入到扩展卡尔曼滤波方法中，重复利用观测信息，采用经典的非线性非高斯模型进行仿真实验 ，给出 了该方法与扩展卡尔曼滤波(EKF)、Unscented卡尔曼滤波(UK2)、现有的迭代扩展卡尔曼滤波(EIEKF)的仿真结果，并分析了其 跟踪性能和均方根误差。实验结果表明，改进扩展卡尔曼滤波(NIEKF)新方法具有更高的估计精度。 关键词：非线性；迭代 ；测量更新；扩展卡尔曼滤波；Levenberg—Marquardt方法 DOI：10．3778／j．issn．1002．8331．2010．19．005 文章编号：1002—8331(2010)19．0018。03 文献标识码：A 中图分类号：TN957 l 引言 可以重复利用观测信息，得到更高的估计精度。 对非线性系统进行状态估计具有重要的理论意义和广阔 鉴于此 ，尝试提出一种改进扩展卡尔曼滤波新方法。同 的应用前景 。。利用扩展卡尔曼滤波(EKF)方法，可建立系 时，采用Levenberg—Marquardt方法 优化迭代过程 ，增加了