强跟踪变分贝叶斯自适应卡尔曼滤波算法

摘要

针对线性高斯状态空间模型中的噪声统计特性时变时,变分贝叶斯自适应卡尔曼滤波效果会受影响的问题,提出了基于强跟踪原理的改进算法。该算法选择测量噪声模型为逆Wishart分布,将系统状态与时变的测量噪声协方差作为待估参数,利用变分贝叶斯方法对二者迭代递推估计。测量噪声协方差的最优估计结果再作为时变参数引入到基于强跟踪原理的次优渐消因子中,以提高其对状态预测协方差的修正精度。仿真结果表明,改进算法在噪声时变的线性高斯系统中能自适应地跟踪测量噪声协方差,有效克服过程噪声协方差时变的影响,估计结果的收敛速度和精度有很大改善。