UKF滤波算法在数据同化中的应用.pdfVIP

维普资讯 第23卷 第6期 热 带 气 象 学 报 JOURNAL OF TROPICAL METEOROLOGY Vo1．23，No．6 2007年 l2月 Dec．，2007 文章编号：1004—4965(2007)06．0617．06 UKF滤波算法在数据同化中的应用 黄春林， 李新 (中国科学院寒区旱区环境与工程研究所，甘肃 兰州 730000) 摘 要：介绍了一种新的数据同化算~(UKF，UnscentedKalmanFilter)，该算法不需要计算伴随矩阵，就能 够解决模式的非线性问题。以Lorenz系统为例，进行了数据同化的数值试验。结果表明：基于 UKF的同化方 案与背景场的初始值无关，它能有效地抑制状态变量误差的增长，同化结果精度高。 关 键 词：UKF滤波； 数据同化； Lorenz模型 中图分类号：P435 文献标识码：A UKF不需要计算雅克 比(Jacobian)矩阵，更容易实 1 引 言 现。UKF方法已被广泛用于信号处理、目标追踪等 领域 M】，但是在数据 同化方面的应用较少。 数据同化是在模式动态运行过程中融人新的观 本文首先介绍了UKF滤波算法的基本原理，然 测数据来提高模式预报精度的方法 ，已被广泛地应 后以Lorenz系统为例，通过数值试验对 UKF算法 用于大气、海洋、水文等领域 。刚，其主要方法有两 的性能进行了初步探讨 。 类 ：变分同化和惯序同化。卡尔曼滤波 [61(KF)是惯序 同化算法的一种，被用于简单的线性模型的数据同 2 UKF滤波的基本原理 化中，它不但可以得到最优的状态估计，而且可以 对误差进行评价。为了把卡尔曼滤波应用到非线性 2．1 U变换 系统中，扩展卡尔曼滤波 (EKF，ExtentedKalman 假设 L维随机 向量 x的均值为 ，方差为 ^ ， Filter)算法被提出，它利用泰勒公式求一阶导数的方 维随机 向量 y为 x的某一非线性函数 ，即 g( 。 法对模型算子进行线性化，估计精度只能达到一阶。 向量 U变换的思想就是将 x的统计特征 和 ^通 对于强非线性、不连续系统，EKF性能极不稳定， 过非线性函数g(进行传播得到 y的统计特征 和 甚至发散。此外 ，雅克~L(Jacobian)矩阵的计算非常 P。为了计算 y的统计特征，按照以下方法得到2L+1 复杂且容易出错。UKF算法是一种非线性变换估计 个 Sigma向量 i和相应的权重 。 方法，它由牛津大学Julier、Uhlmann等 [11-131于 1994 首先，计算每个Sigma点的向量 和权重 年首次提出，其后又得到美国学者 Wan、V