联邦滤波器全局最优新方法

摘要

本文利用矩阵理论和信息分配原理,导出集中卡尔曼滤波、分散化滤波和联邦滤波之间的解析关系.证明联邦滤波只有当其主滤波器和局部滤波器的维数都相同时,其全局滤波和集中卡尔曼滤波等价,是最优的；当联邦滤波器的局部滤波器和主滤波器维数不相同时,只能得到次优解。本文提出了广义联邦滤波器的结构,按信息分配原理重置其一步预测状态和一步预测状态误差信息阵,获得全局滤波次优解。在此基础上利用全局滤波次优解作为测量值,反馈修正其一步预测状态,进一步得到全局滤波最优解。文中对最优反馈增量阵做了严密的数学推导,从理论上严格证明其滤波结果同集中卡尔曼滤波是等价的,并通过双SINS/GPS应用的仿真实例,验证了其有效性。