[发明专利]一种自适应UKF滤波算法

说明书

技术领域

本发明涉及一种自适应UKF滤波算法，具体地说，涉及一种结合极大似然估计和最大后验估计的自适应UKF滤波算法。

背景技术

为了解决非线性情况下卡尔曼滤波及之后的扩展卡尔曼滤波在估计中存在较大误差甚至可能引起滤波器发散的问题,近年来,Julier和Uhlman提出了基于多元函数代表点思想的Unscented Kalman Filter(UKF)方法，UKF算法精度明显高于EKF算法且计算量又明显小于EKF算法，但是UKF算法存在一个主要的问题是噪声统计特性未知时，UKF滤波精度下降甚至发散，为解决这个问题，各国学者提出了很多解决的方法，其中文献[7]提出了一种根据极大后验估计原理和指数加权，推导出一种含有渐消因子的次优无偏MAP时变噪声统计估计器的算法，该算法具有自适应能力且递推公式简单，易于工程实现的特点，但是该算法需要有足够的数据，才能达到比较理想的效果。

发明内容

本发明的目的在于克服上述技术存在的缺陷，提供一种自适应UKF滤波算法，是一种将基于极大似然准则的卡尔曼滤波算法和基于最大后验估计的自适应UKF滤波算法结合到一起的算法，通过两种算法对协方差进行实时的估计，然后平均取中得到对先验协方差真实值跟踪效果更好的估计值，从而提高滤波精度及滤波稳定性。其具体技术方案为：

一种自适应UKF滤波算法，包括以下步骤：

第一步：判断是否已经稳定收敛

Q_k-Q_k-2≤H

R_k-R_k-2≤H

其中，H为一个很小的正整数；

第二步：选出优值

设两种算法的估计协方差分别为Q1_k、R1_k、Q2_k、R2_k，则

Q^k=Q1k+Q2k2]]>

R^k=R1k+R2k2]]>

式中，就是协方差估计值。

与现有技术相比，本发明的有益效果为：

本发明所述基于最大后验估计的UKF自适应算法相对于传统UKF算法，克服传统UKF算法存在的噪声统计特性未知情况下滤波发散的问题，而本文中提出的结合最大似然估计和最大后验估计优缺点，选择最佳的噪声统计特性估计的UKF自适应算法，在仿真结果中，可以看出其在滤波精度上确实提高了。

附图说明

图1是文[7]过程噪声均值自适应估计曲线图；

图2是文[7]过程噪声协方差自适应估计曲线图；

图3是本发明过程噪声协方差估计曲线图；

图4是文献[7]量测噪声均值自适应估计曲线图；

图5文献[7]量测噪声协方差自适应估计曲线图；

图6本发明量测噪声协方差自适应估计曲线图。

具体实施方式

为了使本发明实现的技术手段、创作特征、达成目的与功效易于明白了解，下面结合具体实例进一步阐述本发明。

1问题阐述

考虑如下所示的非线性离散系统：