基于Gauss-Hermite逼近的非线性加权观测融合无迹Kalman滤波器

对非线性多传感器系统,基于Gauss-Hermite逼近方法和加权最小二乘法,提出了一种具有普适性的非线性加权观测融合算法.该算法可将一个高维观测压缩为一个低维观测.在此基础上,结合无迹Kalman滤波器(Unscented Kalman filter,UKF),提出了非线性加权观测融合无迹Kalman滤波器(WMF (Weighted measurement fusion)-UKF).与集中式融合UKF (CMF (Centralized measurement fusion)-UKF)相比,该算法计算负担小且具有逼近的估计精度.特别是在传感器数量较大时,该算法在计算量上的优势更加明显.仿真...

Full description

Saved in:
Bibliographic Details
Published in自动化学报 Vol. 45; no. 3; pp. 593 - 603
Main Authors 李云, 孙书利, 郝钢
Format Journal Article
LanguageChinese
Published 哈尔滨商业大学计算机与信息工程学院 哈尔滨150080%黑龙江大学电子工程学院 哈尔滨150080 01.03.2019
黑龙江大学电子工程学院 哈尔滨150080
Subjects
Gauss-Hermite逼近
非线性系统
无迹Kalman滤波器
加权观测融合
Online AccessGet full text
ISSN0254-4156
DOI10.16383/j.aas.c170534

Cover

More Information
Summary:对非线性多传感器系统,基于Gauss-Hermite逼近方法和加权最小二乘法,提出了一种具有普适性的非线性加权观测融合算法.该算法可将一个高维观测压缩为一个低维观测.在此基础上,结合无迹Kalman滤波器(Unscented Kalman filter,UKF),提出了非线性加权观测融合无迹Kalman滤波器(WMF (Weighted measurement fusion)-UKF).与集中式融合UKF (CMF (Centralized measurement fusion)-UKF)相比,该算法计算负担小且具有逼近的估计精度.特别是在传感器数量较大时,该算法在计算量上的优势更加明显.仿真例子验证了算法的有效性.
ISSN:0254-4156
DOI:10.16383/j.aas.c170534