改进的平方根容积卡尔曼滤波及其在POS中的应用

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

改进的平方根容积卡尔曼滤波及其在POS中的应用

赵兵, 曹剑中, 杨洪涛, 周祚峰, 史魁, 徐伟高

文章导航 > 红外与激光工程 > 2015 > 44(9): 2819-2824

赵兵, 曹剑中, 杨洪涛, 周祚峰, 史魁, 徐伟高. 改进的平方根容积卡尔曼滤波及其在POS中的应用[J]. 红外与激光工程, 2015, 44(9): 2819-2824.

引用本文:

赵兵, 曹剑中, 杨洪涛, 周祚峰, 史魁, 徐伟高. 改进的平方根容积卡尔曼滤波及其在POS中的应用[J]. 红外与激光工程, 2015, 44(9): 2819-2824.

Zhao Bing, Cao Jianzhong, Yang Hongtao, Zhou Zuofeng, Shi Kui, Xu Weigao. Approved square root Cubature Kalman Filtering and its application to POS[J]. Infrared and Laser Engineering, 2015, 44(9): 2819-2824.

Citation:

Zhao Bing, Cao Jianzhong, Yang Hongtao, Zhou Zuofeng, Shi Kui, Xu Weigao. Approved square root Cubature Kalman Filtering and its application to POS[J]. Infrared and Laser Engineering, 2015, 44(9): 2819-2824.

改进的平方根容积卡尔曼滤波及其在POS中的应用

赵兵^1,2,
曹剑中¹,
杨洪涛^1,2,
周祚峰¹,
史魁¹,
徐伟高^1,2

1.
中国科学院西安光学精密机械研究所,陕西西安 710119;
2.
中国科学院大学,北京 100049

基金项目:

国家自然科学基金(61201376);陕西省自然科学基金(2012JQ8003);中国科学院“西部之光”

作者简介:
赵兵(1989-),男,博士生,主要从事航空遥感与目标定位等方面的研究。Email:zhaobing@opt.ac.cn

中图分类号: V249.3

Approved square root Cubature Kalman Filtering and its application to POS

1.
Xi'an Institute of Optics and Precision Mechanics,Chinese Academy of Sciences,Xi'an 710119,China;
2.
University of Chinese Academy of Sciences,Beijing 100049,China

摘要: 为解决扩展卡尔曼滤波在处理复杂非线性状态估计时,存在收敛速度慢、估计精度低及数值稳定性差等问题,引入一种改进的平方根容积卡尔曼滤波算法(A-SRCKF)。该算法在容积卡尔曼滤波基础上引入矩阵QR分解、Cholesky分解因数更新等技术,避免了矩阵分解、求逆及求导等复杂运算,极大降低了计算复杂度;并针对系统时变及统计特性未知情况下量测噪声协方差阵难以获取问题,通过引入自适应噪声估计器并结合小波卡尔曼滤波思想,构造出加权量测噪声协方差阵,提高了数值精度及稳定性。将A-SRCKF应用于机载定姿定位系统中,仿真结果表明:该算法有效地提升了估计精度,并且运行速度较快。
- 平方根容积卡尔曼滤波 /
- 非线性滤波 /
- 容积规则 /
- 数据融合 /
- POS
Abstract: To solve the problems that extended Kalman filter is difficult to obtain the optimal state estimation of complex nonlinear system with fast convergence speed and high estimate accuracy, an improved square root Cubature Kalman Filtering algorithm was proposed by introducing the matrix QR decomposition and Cholesky factorization updating technology to traditional Cubature Kalman Filter, via it can validly avoid the complicated calculating of matrix decomposition and inverse. Moreover, aiming at the uncertainty of system's variable and statistical properties, a weighted adaptive noise covariance matrix estimator was constructed, through integrating the adaptive noise estimator under wavelet Kalman Filtering ideology. A-SRCKF was applied to airborne positioning and orientation system, the simulation results demonstrate that the proposed method can effectively improve the accuracy of POS outputs as well as enhance the efficiency.
- square root CKF /
- nonlinear filter /
- cubature rule /
- data fusion /
- POS

[1]
[2]	Yang Hong, Li Ya'an, Li Guohui. New method of improved extended kalman filter.[J]. Computer Engineering and Application, 2010, 46(19): 18-20. (in Chinese)
[3]
[4]	Yang Baisheng, Ji Hongbing. Multi passive sensor fusion tracking based unscented kalman filter[J]. Control and Decision, 2008, 23(4): 460-463. (in Chinese)
[5]	Li Quan, Zhao Xunjie, Zou Wei, et al. Windows adaptive filter algorithm based on principal component analysis[J].Infrared and Laser Engineering, 2014, 43(10): 3474-3479. (in Chinese)
[6]
[7]	Wan Hui. Research on precise position and orientation technology of airborne POS system in aerial photogrammetry [D]. Nanjing: Nanjing University of Aeronautics and Astronautics, 2011. (in Chinese)
[8]
[9]	Hao Yanling, YangJunwei, Chen Liang. Initial alignment method of the dynamic base for underwater vehicles using SRCKF[J]. Huazhong Univ of Sci Tech(Natural Science Edition), 2012, 40(2): 123-127. (in Chinese)
[10]
[11]
[12]	Li Haijun, Zhao Guorong. Spacecraft attitude determination based on CF-RSF algorithm[J]. Infrared and Laser Engineering, 2014, 43(10): 3439-3443. (in Chinese)
[13]
[14]	Wan Shuo, Yang Yongsheng, Jing Zhongliang. A redundant adaptive robust filter algorithm based on cubature Kalman Filter[C]//The Second Chinese Control and Decision Conference, 2013: 479-484. (in Chinese)
[15]	Gao Yu, Zhang Jianqiu. Kalman filter with wavelet based on unknown measurement noise estimation and its application for information fusion[J]. Chinese Journal of Electronics,2007, 41(1): 108-111. (in Chinese)

[1]	王世强, 孟召宗, 高楠, 张宗华. 激光雷达与相机融合标定技术研究进展 . 红外与激光工程, 2023, 52(8): 20230427-1-20230427-14. doi: 10.3788/IRLA20230427
[2]	曾瀚林, 孟祥勇, 钱惟贤. 高斯差分滤波图像融合方法 . 红外与激光工程, 2020, 49(S1): 20200091-20200091. doi: 10.3788/IRLA20200091
[3]	丁忠军, 赵子毅, 张春堂, 潘文超, 刘雨萌. 载人潜水器的深海地貌线结构光三维重建 . 红外与激光工程, 2019, 48(5): 503001-0503001(9). doi: 10.3788/IRLA201948.0503001
[4]	杨凌辉, 张正吉, 林嘉睿, 王金旺, 徐秋宇, 刘博文. 融合光电扫描定位的大构件整体形貌测量方法 . 红外与激光工程, 2019, 48(5): 503002-0503002(8). doi: 10.3788/IRLA201948.0503002
[5]	王伟, 纪毅, 石忠佼, 林德福, 林时尧. 基于扩展卡尔曼滤波器的捷联导引头刻度尺参数辨识 . 红外与激光工程, 2017, 46(4): 417003-0417003(6). doi: 10.3788/IRLA201746.0417003
[6]	刘志青, 李鹏程, 郭海涛, 张保明, 丁磊, 赵传, 张旭光. 融合强阈值三角网与总体最小二乘曲面拟合滤波 . 红外与激光工程, 2016, 45(4): 406003-0406003(8). doi: 10.3788/IRLA201645.0406003
[7]	姜淑娟, 王可. 应用卡尔曼滤波技术的激光熔覆宽度检测 . 红外与激光工程, 2016, 45(12): 1206003-1206003(5). doi: 10.3788/IRLA201645.1206003
[8]	杨宏韬, 高慧斌, 刘鑫. 基于双重扩展卡尔曼滤波器的共轴跟踪技术研究 . 红外与激光工程, 2016, 45(5): 531001-0531001(5). doi: 10.3788/IRLA201645.0531001
[9]	徐超, 高敏, 杨耀. 自调整分层卡尔曼粒子滤波的快速目标跟踪 . 红外与激光工程, 2015, 44(6): 1942-1949.
[10]	徐超, 高敏, 杨耀. 卡尔曼粒子滤波中基于精确运动模型的局部区域估计 . 红外与激光工程, 2015, 44(11): 3475-3482.
[11]	危璋, 冯新喜, 刘钊, 刘欣. 自适应非线性GM-PHD滤波及在无源跟踪中的应用 . 红外与激光工程, 2015, 44(10): 3076-3083.
[12]	董鑫, 欧阳高翔. 基于容积卡尔曼滤波的空间碎片相对导航 . 红外与激光工程, 2015, 44(S1): 152-157.
[13]	赵曦晶, 刘光斌, 汪立新, 何志昆, 赵晗. 五阶容积卡尔曼滤波算法及其应用 . 红外与激光工程, 2015, 44(4): 1377-1381.
[14]	冯春, 吴洪涛, 陈柏. 基于多传感器融合的航天器间位姿参数估计 . 红外与激光工程, 2015, 44(5): 1616-1622.
[15]	杨风暴, 蔺素珍. 基于变换域多合成规则的双色中波红外图像融合 . 红外与激光工程, 2014, 43(11): 3663-3669.
[16]	刘涛, 张文平, 陈慧芳, 冯桂兰, 刘月明. 卡尔曼滤波在分布式拉曼光纤温度传感系统去噪中的应用 . 红外与激光工程, 2014, 43(5): 1643-1647.
[17]	刘磊, 沈宏海, 张葆. 卡尔曼滤波器在抑制力矩扰动中的应用 . 红外与激光工程, 2014, 43(7): 2240-2244.
[18]	赵曦晶, 刘光斌, 汪立新, 何志昆, 姚志成. 扩展容积卡尔曼滤波-卡尔曼滤波组合算法 . 红外与激光工程, 2014, 43(2): 647-653.
[19]	孙崇利, 苏伟, 武红敢, 刘睿, 刘婷, 黄健熙, 朱德海, 张晓东, 刘峻明. 改进的多级移动曲面拟合激光雷达数据滤波方法 . 红外与激光工程, 2013, 42(2): 349-354.
[20]	吴洪波, 蓝天, 彭涛, 倪国强. 基于平面延展方法的LiDAR数据滤波 . 红外与激光工程, 2013, 42(6): 1467-1473.

WeChat

点击查看大图

计量

文章访问数: 487
HTML全文浏览量: 88
PDF下载量: 181
被引次数: 0

改进的平方根容积卡尔曼滤波及其在POS中的应用

1. 中国科学院西安光学精密机械研究所,陕西西安 710119;

2. 中国科学院大学,北京 100049

作者简介:
赵兵(1989-),男,博士生,主要从事航空遥感与目标定位等方面的研究。Email:zhaobing@opt.ac.cn

收稿日期: 2015-01-10
修回日期: 2015-02-20
刊出日期: 2015-09-25

基金项目:

国家自然科学基金(61201376);陕西省自然科学基金(2012JQ8003);中国科学院“西部之光”

中图分类号: V249.3

关键词:

摘要: 为解决扩展卡尔曼滤波在处理复杂非线性状态估计时,存在收敛速度慢、估计精度低及数值稳定性差等问题,引入一种改进的平方根容积卡尔曼滤波算法(A-SRCKF)。该算法在容积卡尔曼滤波基础上引入矩阵QR分解、Cholesky分解因数更新等技术,避免了矩阵分解、求逆及求导等复杂运算,极大降低了计算复杂度;并针对系统时变及统计特性未知情况下量测噪声协方差阵难以获取问题,通过引入自适应噪声估计器并结合小波卡尔曼滤波思想,构造出加权量测噪声协方差阵,提高了数值精度及稳定性。将A-SRCKF应用于机载定姿定位系统中,仿真结果表明:该算法有效地提升了估计精度,并且运行速度较快。

English Abstract

全文HTML

参考文献 (15)

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回