航空学报
航空學報
항공학보
ACTA AERONAUTICA ET ASTRONAUTICA SINICA
2013年
9期
2202-2211
,共10页
何志昆%刘光斌%赵曦晶%刘冬%张博
何誌昆%劉光斌%趙晞晶%劉鼕%張博
하지곤%류광빈%조희정%류동%장박
非线性滤波%平方根容积卡尔曼滤波%高斯过程回归%状态估计%状态转移模型%量测模型%模型增强
非線性濾波%平方根容積卡爾曼濾波%高斯過程迴歸%狀態估計%狀態轉移模型%量測模型%模型增彊
비선성려파%평방근용적잡이만려파%고사과정회귀%상태고계%상태전이모형%량측모형%모형증강
nonlinear filtering%square-root cubature Kalman filter%Gaussian process regression%state estimation%state transition model%measurement model%model enhancement
与传统算法一样,动态系统的参数化模型(含噪声统计特性)未知或不够准确易导致容积卡尔曼滤波(CKF)效果严重下降,甚至滤波结果发散.为此,利用高斯过程回归(GPR)方法对训练数据进行学习,得到动态系统的状态转移GPR模型和量测GPR模型以及噪声统计特性,用以替代或增强原有动态系统模型,并将其融入到平方根容积卡尔曼滤波(SRCKF)中,分别提出了无模型高斯过程SRCKF (MFGP-SRCKF)和模型增强高斯过程SRCKF (MEGP-SRCKF)两种算法.仿真结果表明:这两种新的自适应滤波算法提高了动态系统模型精度,且实时自适应调整噪声的协方差,克服了传统算法滤波性能易受系统模型限制的问题；与MFGP-SRCKF相比,在给定一个不够准确的参数化模型,且有限的训练数据未能遍布估计状态空间的情况下,MEGP-SRCKF具备更高的滤波精度.
與傳統算法一樣,動態繫統的參數化模型(含譟聲統計特性)未知或不夠準確易導緻容積卡爾曼濾波(CKF)效果嚴重下降,甚至濾波結果髮散.為此,利用高斯過程迴歸(GPR)方法對訓練數據進行學習,得到動態繫統的狀態轉移GPR模型和量測GPR模型以及譟聲統計特性,用以替代或增彊原有動態繫統模型,併將其融入到平方根容積卡爾曼濾波(SRCKF)中,分彆提齣瞭無模型高斯過程SRCKF (MFGP-SRCKF)和模型增彊高斯過程SRCKF (MEGP-SRCKF)兩種算法.倣真結果錶明:這兩種新的自適應濾波算法提高瞭動態繫統模型精度,且實時自適應調整譟聲的協方差,剋服瞭傳統算法濾波性能易受繫統模型限製的問題；與MFGP-SRCKF相比,在給定一箇不夠準確的參數化模型,且有限的訓練數據未能遍佈估計狀態空間的情況下,MEGP-SRCKF具備更高的濾波精度.
여전통산법일양,동태계통적삼수화모형(함조성통계특성)미지혹불구준학역도치용적잡이만려파(CKF)효과엄중하강,심지려파결과발산.위차,이용고사과정회귀(GPR)방법대훈련수거진행학습,득도동태계통적상태전이GPR모형화량측GPR모형이급조성통계특성,용이체대혹증강원유동태계통모형,병장기융입도평방근용적잡이만려파(SRCKF)중,분별제출료무모형고사과정SRCKF (MFGP-SRCKF)화모형증강고사과정SRCKF (MEGP-SRCKF)량충산법.방진결과표명:저량충신적자괄응려파산법제고료동태계통모형정도,차실시자괄응조정조성적협방차,극복료전통산법려파성능역수계통모형한제적문제；여MFGP-SRCKF상비,재급정일개불구준학적삼수화모형,차유한적훈련수거미능편포고계상태공간적정황하,MEGP-SRCKF구비경고적려파정도.
