改进的自适应强跟踪容积卡尔曼滤波算法（2013年）

简介：
本研究提出了一种改进的自适应强跟踪容积卡尔曼滤波算法，旨在提高非线性系统状态估计精度与稳定性。通过优化参数自适应调整机制，增强了算法在复杂动态环境下的性能表现。 本段落提出了一种自适应强跟踪容积卡尔曼滤波算法（ASTSCKF），该算法在平方根容积卡尔曼滤波算法(SCKF)的基础上引入了强跟踪滤波器(STF)，通过使用渐消因子在线修正一步预测误差协方差矩阵，使得输出残差序列正交。这种改进增强了算法应对系统状态突变等不确定因素的能力，并提高了其鲁棒性。同时，结合改进的渐消记忆时变噪声统计估计器对噪声方差阵进行实时在线估计，解决了SCKF由于噪声统计不准确、未知或随时间变化而导致滤波发散的问题，使该算法能够适应噪声的变化。 仿真实验结果表明，在系统状态突变和噪声发生变化的情况下，ASTSCKF算法表现出良好的性能。