文件名称:鲁棒的预测增强无味卡尔曼滤波器
文件大小:456KB
文件格式:PDF
更新时间:2024-05-19 21:16:45
Dimension augmentation; model error prediction;
本文提出了一种新的基于鲁棒模型预测的无味卡尔曼滤波(UKF)方法。 该方法通过增加状态空间维度来合并系统状态中的系统驱动噪声,以扩展系统状态信息的输入。 通过模型预测构造系统模型误差,然后将其用于校正UKF过程,以获得对实际系统状态的估计。 所提出的方法赋予了传统UKF鲁棒性,从而克服了传统UKF对系统模型误差敏感的局限性。 实验结果表明,所提出的滤波方法的收敛速度和准确度均优于扩展卡尔曼滤波和传统的UKF。