[发明专利]一种扩展全对称多胞形集员Kalman混合滤波方法

摘要

本发明提出了一种扩展全对称多胞形集员Kalman混合滤波方法，针对非线性系统模型开展系统状态变量的最优滤波计算，实施了Taylor级数多项式扩展来逼近非线性系统函数，获得系统线性化等价模型；注重对线性化操作的高阶截断误差处理，把Taylor级数线性化的高阶项误差利用全对称多胞形逼近计算，开展全对称多胞形集员滤波计算；对于系统状态变量的高斯噪声仍然利用传统的Kalman滤波计算，实现全对称多胞形和Kalman混合滤波计算。本发明改善了非线性系统状态变量参数最优估计精度和系统计算稳定性，经由SLAM系统仿真实验，与传统扩展Kalman滤波算法对比，本发明具有较好的计算优势与计算效能。

主权项

1.一种扩展全对称多胞形集员Kalman混合滤波方法，其特征在于，其步骤如下：步骤一：建立SLAM系统非线性的离散化随机空间模型，包括状态方程和观测方程，初始为状态变量；步骤二：基于Taylor级数多项式性质对SLAM系统非线性的模型方程实施线性化等价变换，获得等价SLAM系统线性化的等价线性化系统模型方程。步骤三：已知第k步系统随机状态变量的全对称多胞形参数、系统噪声方差以及观测噪声方差及其协方差，对第k步的系统随机状态变量的全对称多胞形的生成算子矩阵实施降维计算，确定全对称多胞形的方差矩阵；k＝1，2，···；步骤四：开展全对称多胞形的预测计算，计算全对称多胞形集员Kalman混合滤波器增益矩阵；步骤五：开展系统随机状态变量的全对称多胞形观测更新计算，获得系统随机状态变量的全对称多胞形的中心值更新、生成算子矩阵更新、全对称多胞形误差方差矩阵更新及高斯噪声误差方差矩阵更新计算，从而完成全对称多胞形集员Kalman混合滤波迭代计算过程。