FAILED
首站-论文投稿智能助手
典型文献
基于M估计的自适应鲁棒平方根连续-离散CKF算法
文献摘要:
针对测量中出现的异常情况,提出了一种基于M估计的自适应鲁棒平方根连续-离散容积卡尔曼滤波算法.该算法将目标跟踪问题建模为连续-离散时间模型,将改进的M估计的思想融入连续-离散容积卡尔曼滤波算法当中,通过Mahalanobis距离对异常测量进行门限判别,引入校正因子,根据观测残差自适应地调整观测噪声协方差矩阵的大小,进一步提高滤波算法的鲁棒性;通过将连续-离散模型与校正因子结合,实现了滤波精度和抗异常测量值的统一.仿真结果表明,与传统鲁棒算法相比,该算法在单点测量异常和多点测量异常的条件下都能够更加准确地对目标进行跟踪,且鲁棒性更强.
文献关键词:
目标跟踪;非线性滤波;连续-离散时间系统;容积卡尔曼滤波;鲁棒性
作者姓名:
胡浩然;陈树新;吴昊;何仁珂;汪家宝;郝思冲
作者机构:
空军工程大学信息与导航学院,西安,710077;93184部队,北京,100076
引用格式:
[1]胡浩然;陈树新;吴昊;何仁珂;汪家宝;郝思冲-.基于M估计的自适应鲁棒平方根连续-离散CKF算法)[J].空军工程大学学报,2022(01):91-96
A类:
B类:
自适应鲁棒,平方根,CKF,异常情况,容积卡尔曼滤波算法,目标跟踪,跟踪问题,时间模型,Mahalanobis,门限,入校,校正因子,协方差矩阵,离散模型,测量值,单点测量,非线性滤波,离散时间系统
AB值:
0.264564
相似文献
机标中图分类号,由域田数据科技根据网络公开资料自动分析生成,仅供学习研究参考。