[发明专利]两阶段高阶容积信息滤波方法

说明书

本发明公开了一种两阶段高阶容积信息滤波方法，包括：在进行多传感器融合时，将容积Kalman滤波嵌入到扩展信息滤波算法的框架中得到容积信息滤波算法；所述容积信息滤波算法根据五阶Spherical‑Radial容积规则，得到高阶容积信息滤波算法；根据高阶容积信息滤波算法的特点，其进行两阶段时不能直接套用两阶段扩展Kalman滤波框架，引入动态矩阵分块方法，得出两阶段高阶容积信息滤波方法；本发明通过提出了一种两阶段高阶容积信息滤波，该算法初始化容易，计算量较小，直接利用协方差矩阵的逆与信息矩阵之间的等价关系参与滤波递推的过程，减少了对滤波增益阵的计算。

技术领域

本发明涉及信息处理技术领域，具体地说，特别涉及一种两阶段高阶容积信息滤波方法。

背景技术

基于贝叶斯框架的非线性滤波和估计方法是近几年研究的热点，包括对非线性函数近似的扩展Kalman滤波(EKF)、对高斯概率密度近似的无迹Kalman 滤波(UKF)和容积Kalman滤波(CKF)等；相较于EKF，UKF和CKF无需计算 Jacobian矩阵且估计精度较高；CKF使用三阶Spherical-Radial容积规则近似高斯加权积分，使用的容积点权值相同且均为正数，比UKF的稳定性好。

现有技术存在以下缺点：

但CKF同样也有缺陷，比如估计精度仍旧有限、对一些简单多项式函数的高斯权值积分无法准确计算等；在多传感器数据集中融合的过程中，随着非线性系统观测维数的增高，容积Kalman滤波面临计算复杂度增大的问题，尤其在观测维度高于状态维度时最为明显，甚至会导致计算机在滤波过程中“溢出”终止的错误。

发明内容

为了解决现有技术的问题，本发明实施例提供了一种两阶段高阶容积信息滤波方法；所述技术方案如下：

一方面，提供了一种两阶段高阶容积信息滤波方法，包括：

在进行多传感器融合时，将容积Kalman滤波嵌入到扩展信息滤波算法的框架中得到容积信息滤波算法；

所述容积信息滤波算法根据五阶Spherical-Radial容积规则，得到高阶容积信息滤波算法；

根据高阶容积信息滤波算法的特点，其进行两阶段时不能直接套用两阶段扩展Kalman滤波框架，引入动态矩阵分块方法，得出两阶段高阶容积信息滤波方法。

可选地，所述扩展信息滤波算法步骤如下：

Step 1：初始化状态x₀，一阶线性化非线性函数f(·)和h(·)，求出矩阵F_k-1和 H_k的值；

Setp 2：计算状态一步预测值

Step 3：计算状态一步预测协方差P_k|k-1；

Step 4：计算预测信息矩阵Y_k|k-1和预测信息向量

Step 5：计算信息矩阵贡献I_k和信息向量贡献i_k；

Step 6：计算信息更新矩阵Y_k|k和信息更新向量

Step7：根据信息更新向量求出状态估计值根据信息更新矩阵求出估计误差协方差P_k|k，完成一次迭代滤波过程。

可选地，所述扩展信息滤波算法具体为：

非线性系统模型如公式(1)所示

x_k＝f_k-1(x_k-1)+ω_k-1