关于Huber稳健高阶容积卡尔曼滤波算法的研究论文.pdf

简介：
本文探讨了Huber稳健高阶容积卡尔曼滤波算法的理论基础及其应用价值，通过改进传统卡尔曼滤波方法，在处理非线性系统和异常数据方面展现出优越性能。 为了增强随机变量非高斯分布情况下高阶容积卡尔曼滤波（High-degree Cubature Kalman Filter, HCKF）算法的鲁棒性，本段落提出了一种基于Huber方法的鲁棒高阶容积卡尔曼滤波算法。从近似贝叶斯估计的角度来看，Huber方法应用于卡尔曼滤波的本质是对新息进行截断平均处理。通过在现有滤波框架内引入Huber方法对观测量预处理，并利用标准HCKF量测更新步骤来进一步处理这些经过预处理的观测数据，从而实现了算法的鲁棒化改进。该方法无需借助统计线性回归模型近似非线性量测模型，能够充分利用高阶容积变换的优势，在保持算法鲁棒性的基础上提升了滤波精度。通过单变量非平稳增长模型和再入飞行器目标跟踪问题的应用验证了新算法在提高鲁棒性和滤波准确性方面的优势。