一种迭代收缩非线性状态约束滤波算法

摘要

在滤波过程中有效地利用状态约束条件,能够提高滤波精度.当状态约束为非线性函数时,可以通过泰勒级数展开法进行线性化处理.然而该方法在非线性约束函数的雅可比矩阵不存在时失效,而使用水平滑动估计算法所需要的计算量很大.为此,采用基于U变换的最佳量测方法解决该问题.为了降低U变换过程中基点误差对估计性能带来的影响,将非线性约束看作具有多个大小不等的噪声方差的量测值,在量测更新阶段逐步收缩噪声方差,从而不断增强约束条件.经过多次迭代,改善了状态估计的误差性能.仿真结果表明,该算法在保证较高的滤波精度的条件下,运算时间是窗口尺寸为2的水平滑动估计算法的1/27.