理论教育 建立无约束扩展维卡尔曼滤波优化方案

建立无约束扩展维卡尔曼滤波优化方案

时间:2023-07-16 理论教育 版权反馈
【摘要】:假设初始机动是高斯随机变量,无约束估计确定如下:互协方差为基于扩维系统式(8-8),假设机动时不变并且令δk=0,那么无约束扩维卡尔曼滤波器可以表示如下:式中:为一步预测;为先验状态协方差;为后验协方差;为卡尔曼增益矩阵;ηk+1为残差向量,并可以表示为注意到,如果δk=0,那么无约束估计器能够稳定工作并且产生最优结果。为了减小计算负荷,扩维卡尔曼滤波器可以等价分解为两个并行降阶估计器。

建立无约束扩展维卡尔曼滤波优化方案

假设初始机动是高斯随机变量,无约束估计确定如下:

协方差

基于扩维系统式(8-8),假设机动时不变并且令δk=0,那么无约束扩维卡尔曼滤波器可以表示如下:

式中:为一步预测;为先验状态协方差;为后验协方差;为卡尔曼增益矩阵;ηk+1为残差向量,并可以表示为

注意到,如果δk=0,那么无约束估计器能够稳定工作并且产生最优结果。由于扩展卡尔曼滤波器的维度增加到n+m,当n=m时,扩维卡尔曼滤波器的计算负荷也会显著增加。为了减小计算负荷,扩维卡尔曼滤波器可以等价分解为两个并行降阶估计器。双降阶并行估计器为n维状态估计器和m维机动估计器,两者交替运行受到耦合方程的限制。

因为在实际系统式(8-1)中δk=0,所以,接下来将要证明在无约束估计器会产生状态估计偏差。无约束的先验估计误差和后验估计误差定义为

将式(8-15)和式(8-8)代入式(8-22)中,可得

同样地,将式(8-15)和式(8-19)代入式(8-23)中,后验估计误差可以表示为(www.daowen.com)

进一步得到

将后验估计误差和增益矩阵分解为

根据式(8-27),式(8-26)可以重写为

考虑式(8-28)和式(8-29),有

当时间趋于无穷大时,有

显然,状态估计存在偏差,此偏差是由于机动的变化引起的。

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈