一种鲁棒的β扩展卡尔曼滤波算法

作者：董宇; 逯暄; 彭甫镕; 张婷

来源：传感器与微系统, 2023, 42(03): 152-163.

DOI：10.13873/J.1000-9787(2023)03-0152-04

• 卡尔曼滤波
• 非线性目标跟踪
• 鲁棒性
• 超宽带室内定位

近年来针对非线性运动目标跟踪问题，多种卡尔曼滤波(KF)改进算法通过近似非线性函数的输出、均值和方差等方法提高对非线性运动的适应性。然而，现有改进算法过度追求对非线性运动的适应性，容易受到噪声干扰、产生过度拟合，为此，从误差上界约束的角度提出了一种鲁棒的β扩展KF(β-EKF)算法。在利用泰勒近似非线性函数输出的基础上，提出对估计观测值与实际观测值的误差进行鲁棒性阈值控制，实现对目标状态估值的自适应修正，不仅能提高模型对噪声的鲁棒性，而且能提高状态修正的准确性。通过超宽带(UWB)室内定位仿真系统对算法性能进行验证，结果表明：相较于EKF、自适应渐消有偏EKF(AFEKF)、无迹KF(UKF)等算法，本文算法在非线性运动目标上能获得更鲁棒的跟踪结果，且算法的平均性能有26%的提升。

• 单位
  山西大学; 电子工程学院