原创力文档- 8
- 0
- 约 5页
- 2016-10-12 发布于重庆
- 举报
CKF推导过程2003
假设离散非线性系统状态空间形式为：
对于使用卡尔曼滤波器结构的高斯滤波器处理状态估计任务，其一般形式如下:
具体的表达式为：
然后利用Spherical-Radial Cubature准则计算积分，对于标准高斯分布：
对于一般的高斯分布：
时间更新
假设k时刻后验密度函数已知，cholesky分解：
计算Cubature点（i=1,2,…,m）
估计k时刻的状态预测值：
估计k时刻的状态误差协方差预测值：
量测更新
通过cholesky分解
计算Cubature点（i=1,2,…,m）
估计k时刻观测预测值
估计自相关协方差阵
估计互相关协方差阵
估计卡尔曼增益
K时刻状态估计
K时刻协方差阵估计值
SCKF推导过程
对于误差协方差阵有两个基本的特性：对称性和正定性。在每一次的更新循环中保持这两个特性是非常重要的。实际上由于计算机的舍入误差，会导致这两个特性丢失。特别的，失去正定性会产生更严重的后果，它使得CKF无法继续计算。
为了缓解滤波过程中舍入误差导致的滤波发散和数值精度降低的
文档评论（0）