主权项 |
一种应用于GPS导航的自适应卡尔曼滤波算法,其特征在于,包括如下步骤:(1)设置模型参数:状态变量的维数M,多项式的阶数N,且满足M≥N+2,状态噪声方差初始矩阵Q<sub>0</sub>,并对目标状态的估计均值x<sub>k‑1|k‑1</sub>和协方差P<sub>k‑1|k‑1</sub>进行初始化,k表示离散时间的采样点;初始状态估计x<sub>0|0</sub>=[z<sub>0</sub> z<sub>‑1</sub> … z<sub>‑M+1</sub>]<sup>T</sup>,其中z<sub>i</sub>(i=‑M+1,‑M+2,…,‑1,0)为滤波器起始之前各个时刻的目标位置观测量;(2)建立AR模型,在卡尔曼滤波框架下计算出AR模型系数,具体实施过程如下:(2a)根据AR模型的定义,建立AR模型系数约束的表达式;(2b)计算AR模型系数;(2c)计算状态转移矩阵F<sub>k|k‑1</sub>;(3)由步骤(2)得到F<sub>k|k‑1</sub>的值,利用基于AR模型的卡尔曼滤波来预测目标状态,目标状态包括均值和误差协方差;(4)利用实时测量的数据更新目标状态,并且计算增益矩阵、后验估计均值以及后验估计误差协方差;(5)在线自适应地计算状态噪声协方差,输出目标位置的估计均值和估计误差协方差,并且令k增加1,返回进行步骤2。 |