貝葉斯濾波下量測(cè)系統(tǒng)誤差和狀態(tài)聯(lián)合估計(jì)方法研究.pdf

1、目標(biāo)跟蹤的主要任務(wù)是利用傳感器量測(cè)信息和系統(tǒng)狀態(tài)的先驗(yàn)建模信息對(duì)當(dāng)前時(shí)刻運(yùn)動(dòng)目標(biāo)狀態(tài)進(jìn)行預(yù)測(cè)與濾波。在一些復(fù)雜系統(tǒng)估計(jì)中，由于傳感器自身和外界環(huán)境影響，量測(cè)誤差難以避免，其誤差特性可分為隨機(jī)誤差和系統(tǒng)誤差，因系統(tǒng)誤差較隨機(jī)誤差具有較大數(shù)量級(jí)，且無法用濾波消除，因此它是影響跟蹤精度的主要因素。為此，本文分別面向以下兩類環(huán)境背景，提出相對(duì)應(yīng)的系統(tǒng)誤差配準(zhǔn)方法，進(jìn)而提高目標(biāo)跟蹤精度。
　　針對(duì)單傳感器量測(cè)背景下，非線性系統(tǒng)中系統(tǒng)誤差配準(zhǔn)

2、問題，本文提出了一種基于Rao-Blackwellized擴(kuò)展卡爾曼濾波的系統(tǒng)誤差和狀態(tài)聯(lián)合估計(jì)算法。首先，通過狀態(tài)擴(kuò)維方法，建立目標(biāo)參數(shù)和系統(tǒng)誤差的狀態(tài)模型；然后，利用Rao-Blackwellized建模思想，將其拆分為線性與非線性部分；進(jìn)而，利用卡爾曼濾波與擴(kuò)展卡爾曼濾波聯(lián)合估計(jì)狀態(tài)參數(shù)和系統(tǒng)誤差。與傳統(tǒng)擴(kuò)展卡爾曼濾波相比，該算法降低了狀態(tài)維度，減小了計(jì)算復(fù)雜度與濾波發(fā)散率。實(shí)驗(yàn)結(jié)果表明，相比于傳統(tǒng)擴(kuò)維擴(kuò)展卡爾曼濾波，經(jīng)系統(tǒng)誤差配

3、準(zhǔn)后，Rao-Blackwellized擴(kuò)展卡爾曼濾波在水平與豎直兩個(gè)方向的狀態(tài)估計(jì)均方根誤差(RMSE)均明顯降低。
　　針對(duì)多傳感器量測(cè)背景下，線性系統(tǒng)中系統(tǒng)誤差配準(zhǔn)問題，本文提出了基于卡爾曼一致性濾波的系統(tǒng)誤差和狀態(tài)聯(lián)合估計(jì)算法。首先，對(duì)目標(biāo)運(yùn)動(dòng)狀態(tài)和系統(tǒng)誤差建模；進(jìn)而，采用卡爾曼一致性濾波的多傳感器信息交互特點(diǎn)優(yōu)化上述模型結(jié)構(gòu)；最后，采用狀態(tài)向量增廣方法聯(lián)合估計(jì)狀態(tài)參數(shù)和系統(tǒng)誤差。此算法將卡爾曼一致性濾波算法推廣至多傳感器