[发明专利]一种基于误差控制的卡尔曼滤波自适应滤波算法

权利要求书

1.一种基于误差控制的卡尔曼滤波自适应滤波算法，其特征在于，包括以下步骤：

根据观测误差的协方差矩阵设计自适应抑制因子，并利用所述自适应抑制因子构建观测误差协方差矩阵的自适应修正模型；

利用所述自适应抑制因子及所述自适应修正模型对滤波结果进行误差控制，以系统状态实际测量值为基础，结合基于误差控制的卡尔曼自适应滤波算法，对系统状态进行滤波估计。

2.根据权利要求1所述的基于误差控制的卡尔曼滤波自适应滤波算法，其特征在于，采用Sage-Husa卡尔曼自适应滤波算法对系统状态进行滤波估计，计算模型为：

预测过程如下：

引入调节更新参量：

更新过程如下：

其中，P_k为估计值与真实值之间的误差协方差矩阵，H为观测矩阵，d_k为引入的调节更新参量，b为遗忘因子，取值范围在0.95-0.99之间，K为卡尔曼增益。

3.根据权利要求2所述的基于误差控制的卡尔曼滤波自适应滤波算法，其特征在于，设计自适应抑制因子的步骤包括：

R_k＝(1-d_k)R_k-1+A+B

其中R_k的两个余项A和B分别为：

为观测噪声协方差R_k引入新的抑制因子：

E＝(A-2B)(A-2B)^T

其中，λ为自适应抑制因子，R_k为当前时刻观测噪声协方差矩阵，A和B为观测噪声协方差矩阵的两个余项，v_k为观测噪声，P_k为先验估计协方差，H为观测矩阵，d_k为引入的调节更新参量，b为遗忘因子，取值范围在0.95-0.99之间，K为卡尔曼增益，η为余项的偏差。

4.根据权利要求3所述的基于误差控制的卡尔曼滤波自适应滤波算法，其特征在于，引入自适应抑制因子的卡尔曼自适应滤波算法的计算模型为：

更新过程如下：

其中，为系统状态的预测值，F为状态转移矩阵，BU_k-1为系统控制项，s_k为预测噪声，其协方差矩阵为Q，Y_k为系统状态的测量值。