[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

说明书

本发明公开了一种基于误差控制的卡尔曼滤波自适应滤波算法，考虑到初始滤波计算过程及系统状态突变的场景下，由于观测误差过大，造成滤波结果不稳定的情况，在自适应卡尔曼滤波算法的基础上，基于观测误差的协方差矩阵，设计一个自适应抑制因子，再利用该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，最后结合卡尔曼滤波算法的预测及更新模型，利用当前时刻系统状态的测量值和预测值，得到系统当前时刻较为精确的最终状态。本发明通过设计自适应抑制因子对系统进行误差控制，降低了观测误差对于卡尔曼增益的影响，提升了基于滤波算法估计系统状态结果的稳定性。

技术领域

本发明涉及无线通信网络技术领域，特别涉及一种基于误差控制的卡尔曼滤波自适应滤波算法。

背景技术

随着自动驾驶技术、航空航天技术、传感技术等不断的发展，对系统状态进行精确估计的相关算法越来越重要，其标准也越来越高，尤其是在精确制导、精确定位、精确温度控制等应用领域，相关算法的研究十分迫切。自上世纪六十年代，卡尔曼滤波算法一经提出，便得到了强烈的关注。经过不断的演进，卡尔曼滤波算法及其衍生算法在许多领域得到了十分广泛的应用。

然而，现阶段人们针对于卡尔曼滤波算法及其衍生算法的研究重点关注于提升滤波结果的精度和算法的计算复杂度等方面，然而较少有人关注到卡尔曼滤波算法初始计算过程的滤波结果不稳定的问题，以及对于状态复杂多变的目标系统，由于其系统状态剧烈变化造成的滤波结果不稳定甚至导致估计结果发散的问题。相关方面的研究对于改善滤波计算结果的稳定性具有十分重要的意义。

发明内容

本发明的目的在于提供一种基于误差控制的卡尔曼滤波自适应滤波算法，以解决现有技术在滤波估计过程当中，由于初始滤波计算时系统状态估计值偏差较大，或者在遇到系统状态突变的情况时，系统的观测误差过大造成滤波计算结果发散等不稳定的问题。

为解决上述技术问题，本发明的实施例提供如下方案：

一种基于误差控制的卡尔曼滤波自适应滤波算法，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，以降低观测误差对卡尔曼增益的影响；

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，达到提升滤波结果稳定性的目的。

优选地，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。

优选地，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：