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

1、目標跟蹤的主要任務(wù)是利用傳感器量測信息和系統(tǒng)狀態(tài)的先驗建模信息對當前時刻運動目標狀態(tài)進行預(yù)測與濾波。在一些復(fù)雜系統(tǒng)估計中，由于傳感器自身和外界環(huán)境影響，量測誤差難以避免，其誤差特性可分為隨機誤差和系統(tǒng)誤差，因系統(tǒng)誤差較隨機誤差具有較大數(shù)量級，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，提出相對應(yīng)的系統(tǒng)誤差配準方法，進而提高目標跟蹤精度。
　　針對單傳感器量測背景下，非線性系統(tǒng)中系統(tǒng)誤差配準

2、問題，本文提出了一種基于Rao-Blackwellized擴展卡爾曼濾波的系統(tǒng)誤差和狀態(tài)聯(lián)合估計算法。首先，通過狀態(tài)擴維方法，建立目標參數(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；進而，利用卡爾曼濾波與擴展卡爾曼濾波聯(lián)合估計狀態(tài)參數(shù)和系統(tǒng)誤差。與傳統(tǒng)擴展卡爾曼濾波相比，該算法降低了狀態(tài)維度，減小了計算復(fù)雜度與濾波發(fā)散率。實驗結(jié)果表明，相比于傳統(tǒng)擴維擴展卡爾曼濾波，經(jīng)系統(tǒng)誤差配

3、準后，Rao-Blackwellized擴展卡爾曼濾波在水平與豎直兩個方向的狀態(tài)估計均方根誤差(RMSE)均明顯降低。
　　針對多傳感器量測背景下，線性系統(tǒng)中系統(tǒng)誤差配準問題，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)合估計算法。首先，對目標運動狀態(tài)和系統(tǒng)誤差建模；進而，采用卡爾曼一致性濾波的多傳感器信息交互特點優(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