一种改进的扩展卡尔曼滤波.pdf

2016年1月15日
现代电子技术
Jan.2016
第39卷第2期
Modern Eleclronics Technique
Vol 39 No. 2
doi:10.16652/ J.ssn.1004-373x.2016.02.003
种改进的扩展卡尔曼滤波
李志国',李旭明2,王运锋
(1.四川大学计算机学院,四川成都610065;2.南京长江电子信息产业集团有限公司,江苏南京21000
摘要:针对机动目标跟踪中目标发生状态突变和运动模型不匹配时扩展卡尔曼滤波精度降低或发散的问题,提出一种
根据新息矩阵的范数判断滤波是否应该修正,并通过修正一步预測值来提高滤波精度的算法。该算法使用新息矩阵和量测
误差矩阵来判断滤波是否稳定,在滤波精度降低甚至发散的情况下通过修正一步预測值来援高波精度。该算法计算量
小,实时性强。仿真果表明,该算法能够根据新息实时调整,且滤波精度较高
关键词:扩展卡尔曼波;滤波发散;新息;目标跟踪
中图分类号:TN911-34
文献标识码:A
文章编号:1004-373X(2016)02-0009-03
An improved extended Kalman filter
LI Zhiguo, LI Xuming, WANG Yunfer
(1. College of Computer Seience, Sichuan University, Chengdu 610065, China
2. Nanjing Changjiang Electronics Information Industry Group Co, Ld, Nanjing 210000, China
Abstract: Concering the problem of low filtering accuracy or filtering divergence of EKF when the system model is estab
lished inaccurately and target moving state changes, a new adaptive algorithm is presented, which improves the accuracy and
performance by adjusting the predicted value. The algorithm can judge whether the filtering is stable by the innovation matrix
and measurement error matrix, and can improve the filtering accuracy by correcting the single-step predicted value while the fil-
tering accuracy lowers or even divergence. The proposed algorithm has little computation burden and high real-time performance
The simulation results show that the algorithm has high filtering accuracy and is capable of quick adjustment according to the in
novation
Keyword extended Kalman filter; filtering divergence; innovation; target tracking
提出了一种根据新息和量测误差协方差来判断机动目
言
标运动状态是否发生突变和通过调整预测值从而提高
扩展卡尔曼滤波( Extended Kalman Filter,EKF)主滤波精度的算法,此滤波算法取得了很好的效果。在实
要解决目标跟踪中运动模型是非线性时的问题,通常将际工程应用中,雷达的量测精度不太稳定,量测误差不
非线性系统进行近似线性化后采用标准卡尔曼滤波。当易准确实时的获取。本文在此基础上提出一种根据新
运动模型非线性较强或者运动目标发生状态突变时可能息矩阵范数判断滤波是否应该修正,并通过调整预测值
会造成滤波器发散叫。主要的解决方案有如下两种
来提高滤波精度的算法。这种方法计算简单,能使EKF
(1)通过调整滤波器增益。如基于新息协方差的适应于机动目标跟踪时目标运动状态发生突变和运动
自适应卡尔曼滤波、平方根滤波、无迹卡尔曼滤波模型不匹配的情况。
和基于渐消因子的自适应卡尔曼滤波等;
1目标跟踪建模
2)通过在不同的跟踪港波器之问切换或增大目
标状态维数来调整滤波器的结构。
状态方程为:
但这些算法存在计算复杂和延迟等缺点。文献[6
X(k+)=f(k,X()+V(a)
(1)
量测方程为
收稿日期:2015-07-15
基金项目:国家高技术研究发展计划“863”计划
Z(k+1)=んん,Xh)+W()
(2013AA013902)
式中:X()足目标的状态向量;V(め)是方差为
万方数据