系统模型未知的自适应卡尔曼滤波方法

摘要

本发明公开了一种系统模型未知的自适应卡尔曼滤波方法，其目的是解决系统状态模型未知或者时变的情况下，卡尔曼滤波方法滤波精度下降甚至发散的问题。针对系统状态模型建立的未知或时变情况，在卡尔曼滤波的基础上采用信息计算滤波残差，根据滤波残差和观测噪声协方差的比值计算出一个加权系数，通过此加权系数对系统状态噪声协方差阵进行实时修正，有效地解决了由于系统模型未知或随时间变化导致的卡尔曼滤波精度下降甚至发散的问题。在同等条件下，X轴滤波误差均值由现有技术的0.1231下降到0.0056；Y轴滤波误差均值由现有技术的0.3895下降到0.0039。