CAJ | 학술논문

针对随机时滞和异步相关噪声情况下的状态估计问题,提出了一种改进的高斯滤波算法(GF),并给出了其适用于高维系统的实现形式—随机时滞和异步相关容积卡尔曼滤波器(CKF-RDCN).首先,通过满足Bernoulli分布的互不相关随机序列,来描述系统观测数据中可能存在的随机时滞现象,将量测噪声作为状态变量用以实现对观测时滞后验概率密度的估计.其次,利用一阶斯特林插值公式来近似估计,由于过程噪声和量测噪声异步相关,而导致的含有随机变量的多维积分问题.最后,依据三阶球径容积法则,给出了CKF-RDCN滤波算法的详细设计.此外,经典GF算法是所提出的改进GF算法的特例,其作为一个通用的非线性滤波算法框架,根据不同的后验概率密度估计方法,可以有不同的实现形式.仿真结果表明,相比于扩展卡尔曼滤波算法(EKF)以及容积卡尔曼滤波算法(CKF),CKF-RDCN在解决含有观测时滞和相关噪声系统的状态估计问题时,具有更高的精度和更好的数值稳定性.
침대수궤시체화이보상관조성정황하적상태고계문제,제출료일충개진적고사려파산법(GF),병급출료기괄용우고유계통적실현형식—수궤시체화이보상관용적잡이만려파기(CKF-RDCN).수선,통과만족Bernoulli분포적호불상관수궤서렬,래묘술계통관측수거중가능존재적수궤시체현상,장량측조성작위상태변량용이실현대관측시체후험개솔밀도적고계.기차,이용일계사특림삽치공식래근사고계,유우과정조성화량측조성이보상관,이도치적함유수궤변량적다유적분문제.최후,의거삼계구경용적법칙,급출료CKF-RDCN려파산법적상세설계.차외,경전GF산법시소제출적개진GF산법적특례,기작위일개통용적비선성려파산법광가,근거불동적후험개솔밀도고계방법,가이유불동적실현형식.방진결과표명,상비우확전잡이만려파산법(EKF)이급용적잡이만려파산법(CKF),CKF-RDCN재해결함유관측시체화상관조성계통적상태고계문제시,구유경고적정도화경호적수치은정성.