[发明专利]一种基于高阶无迹卡尔曼滤波的状态估计方法

摘要

一种基于高阶无迹卡尔曼滤波的状态估计方法，本发明具体涉及一种基于高阶无迹卡尔曼滤波的状态估计方法。本发明采用高阶无迹卡尔曼滤波器完成目标跟踪过程中的状态估计任务。在目标跟踪过程中，建立目标跟踪的状态方程和量测方程；采用高阶无迹变换获得目标跟踪滤波器所需的sigma点，并计算其权值；通过迭代sigma点及其权值获取对状态的估计，实现对目标的实时跟踪。其跟踪精度高于现有的基于其它滤波器的目标跟踪方法。通过选用合适的性能参数κ，能够进一步提升本发明提出的高阶UKF目标跟踪方法精度，实现对目标的高精度实时跟踪。本发明应用于目标跟踪技术领域。

主权项

一种基于高阶无迹卡尔曼滤波的状态估计方法，其特征在于：它包括下述步骤：步骤一：建立描述目标跟踪系统的状态方程和量测方程；步骤二：根据目标跟踪系统的状态的维数选择高阶UKF性能参数κ；步骤三：一步状态预测，通过高阶无迹变换获得用于一步状态预测的sigma点，并将所述的sigma点经状态方程传播得到一步状态预测的样本点，对一步状态预测的样本点进行加权计算得到一步状态预测估计和一步状态预测估计误差协方差矩阵；步骤四：一步量测预测，通过高阶无迹变换获得用于一步量测预测的sigma点，并将所述的sigma点经量测方程传播得到一步量测预测的样本点，对一步量测预测的样本点进行加权计算得到一步量测预测估计和一步量测估计误差协方差矩阵，对一步状态预测的样本点和一步量测预测的样本点进行加权计算得到状态与量测的互协方差矩阵；步骤五：状态滤波更新，根据步骤三获得的一步状态预测估计和一步状态预测估计误差协方差矩阵，和步骤四获得的一步量测预测估计、一步量测估计误差协方差矩阵和状态与量测的互协方差矩阵，完成状态的滤波更新，得到状态的线性最小方差估计和估计误差协方差矩阵，完成目标跟踪的状态估计任务。