|本期目录/Table of Contents|

[1]丁家琳,肖建,赵涛. 自适应 CKF 强跟踪滤波器及其应用[J].电机与控制学报,2015,19(11):111-120.[doi:10. 15938 / j. emc. 2015. 11. 017]
 DING Jia-lin,XIAO Jian,ZHAO Tao. Adaptive CKF strong tracking filter and application [J].,2015,19(11):111-120.[doi:10. 15938 / j. emc. 2015. 11. 017]
点击复制

 自适应 CKF 强跟踪滤波器及其应用(PDF)
分享到:

《电机与控制学报》[ISSN:1007-449X/CN:23-1 408/TM]

卷:
19
期数:
2015年11
页码:
111-120
栏目:
出版日期:
2015-12-31

文章信息/Info

Title:
 Adaptive CKF strong tracking filter and application

作者:
 丁家琳1 肖建1 赵涛2
 ( 1. 西南交通大学 电气工程学院,四川 成都 610031; 2. 西南交通大学 交通运输与物流学院,四川 成都 610031)
Author(s):
 DING Jia-lin1 XIAO Jian1 ZHAO Tao2
 ( 1. School of Electrical Engineering,Southwest Jiaotong University,Chengdu 610031,China; 2. School of Transportation and Logistics,Southwest Jiaotong University,Chengdu 610031,China)
关键词:
强跟踪滤波器 容积卡尔曼滤波 自适应性 目标跟踪
Keywords:
strong tracking filter cubature kalman filter adaptability target tracking
分类号:
TP 273
DOI:
10. 15938 / j. emc. 2015. 11. 017
文献标志码:
A
摘要:
 针对强跟踪滤波器( STF) 的理论局限以及基于 UT 变换的强跟踪滤波器( UTSTF) 处理高维 非线性系统时滤波精确度下降甚至发散等问题,提出一种基于容积卡尔曼滤波( CKF) 算法的强跟 踪滤波器( CKFSTF) 。CKFSTF 兼具了 STF 和 CKF 的优点: 鲁棒性强,滤波精度高,数值稳定性好, 计算速度快,容易实现且应用范围广。此外,对于目标跟踪系统过程噪声统计特性未知的情况,在CKFSTF 的基础上应用 Sage-Husa 噪声估值器对噪声统计特性进行在线估计,形成自适应 CKFSTF。仿真结果验证了新算法的有效性。

Abstract:
 For the problem that Strong tracking filter ( STF) has some theoretical limitations and the STF based on unscented transformation ( UTSTF) declines in accuracy and further diverges when solving the nonlinear filtering problem in high dimension,a cubature Kalman filter ( CKF) with strong tracking be-havior ( CKFSTF) was proposed. CKFSTF combines advantages of STF and CKF: strong robustness, high accuracy,strong numerical stability,fast calculation speed,easy implementation and wide range of applications. Furthermore,adaptive CKFSTF was proposed when the prior noise statistic is unknown and time-varying,which using Sage-Husa noise statistic estimator based on CKFSTF. Validity of the new pro-posed algorithm was verified by the simulation examples.

参考文献/References:

-

相似文献/References:

[1]徐树生,林孝工.基于鲁棒CKF的多传感器全信息融合算法[J].电机与控制学报,2013,(02):90.
 XU Shu-sheng,LIN Xiao-gong.Multi-sensor all information fusion algorithm based on robust CKF[J].,2013,(11):90.

备注/Memo

备注/Memo:
 收稿日期: 2013 - 10 - 06
基金项目: 国家自然科学基金( 51177137) ; 国家自然科学基金重点项目( 61134001)
作者简介: 丁家琳( 1986—) ,女,博士研究生,研究方向为非线性滤波算法及其在电机状态估计中应用;
肖 建( 1950—) ,男,教授,博士生导师,研究方向为交流传动系统,模糊控制和计算机控制;
赵 涛( 1988—) ,男,博士研究生,研究方向为二型模糊系统、智能控制。
更新日期/Last Update: 2016-03-13