一种带噪声统计估值器的自适应滤波方法

摘要

本发明公开了一种带噪声统计估值器的自适应滤波方法，目的是解决在系统噪声和量测噪声的统计信息未知或者时变情况下，常规卡尔曼滤波精度下降甚至发散的问题。针对噪声统计特性未知或者时变的情况，首先基于极大后验估计理论推导次优极大后验噪声统计估值器，然后利用一步最优平滑器得到改进的卡尔曼滤波器，最后经过无偏性检验得到无偏次优极大后验噪声统计估值器。在SINS/GPS组合导航系统中进行的仿真结果表明：本发明设计的自适应滤波器不仅可以准确的估计出噪声的统计信息，而且显著提高了滤波精度，并改善了系统鲁棒性。

主权项

1.一种带噪声统计估值器的自适应滤波方法，其特征在于，包括以下步骤：步骤一：通过对连续系统离散化，建立离散系统的状态方程和量测方程；步骤二：建立一步最优平滑器，利用k+1时刻的量测信息Z_k+1对k时刻估计值进行一步平滑修正；步骤三：用k时刻一步最优平滑值代替k时刻滤波估计值并对k+1时刻的离散系统进行滤波；步骤四：基于极大后验噪声估值器，用一步最优平滑值近似代替以滤波估计值代替建立次优极大后验噪声统计估值器；步骤五：对k+1时刻得到的噪声统计估值器进行无偏估计检验，建立无偏的次优极大后验噪声统计估值器；步骤六：根据系统状态方程，并结合步骤二到步骤五，依次利用一步最优平滑器、改进的卡尔曼滤波器以及无偏极大后验噪声统计估值器完成对系统的自适应卡尔曼滤波递推运算。