一种基于统计线性回归的最大相关熵容积卡尔曼滤波方法

摘要

本发明属于信号处理技术领域，提供了一种基于统计线性回归的最大相关熵容积卡尔曼滤波方法，经过初始化滤波方法、时间预测、定点迭代和更新误差协方差矩阵等步骤后，能够对非线性系统状态进行估计。该方法在最大相关熵卡尔曼滤波器基础上，利用统计学中的统计线性回归方法，将最大相关熵代价函数融入容积卡尔曼滤波器的框架中，从而应用到非线性系统状态估计上。该方法在做非线性系统状态估计的时候较传统的容积卡尔曼方法，有明显的鲁邦性和和抗噪能力的提升。可广泛用于非线性系统，尤其系统的噪声项是在非高斯情况下。

主权项

一种基于统计线性回归的最大相关熵容积卡尔曼滤波方法，其特征在于，包括以下步骤：S1：初始化滤波：获取从高斯分布中随机产生的初始状态估计；S2：时间预测：根据上一个时刻的状态估计和状态估计误差协方差矩阵计算第一采样点，并根据第一采样点计算经过状态转移函数变换后得到的第一变换采样点、状态预测以及预测误差协方差矩阵；S3：定点迭代：基于时间预测得到的状态预测以及预测误差协方差矩阵计算第二采样点，并根据第二采样点计算经过观测函数变换后得到的第二变换采样点、观测预测值和观测估计误差协方差矩阵；利用统计线性回归和定点迭代的方法计算状态估计；S4：更新状态估计误差协方差矩阵，并在获得带噪观测值后返回步骤S2循环。