低复杂度自适应容积卡尔曼滤波算法

作者：李春辉; 马健^*; 杨永建; 甘轶

来源：北京航空航天大学学报, 2022, 48(04): 716-724.

DOI：10.13700/j.bh.1001-5965.2020.0642

• 容积卡尔曼滤波(CKF)
• 目标模型不确定性
• 强跟踪滤波器
• 自适应修正
• 算法复杂度

确定采样型滤波算法中的容积卡尔曼滤波(CKF)算法滤波性能优良，但是却难以克服目标模型不确定性或者目标状态突变带来的影响。构造强跟踪CKF能有效改善算法的自适应性，但是在求解渐消因子时大大增加了计算量。为此，提出一种低复杂度自适应CKF算法，通过设立基于新息的自适应修正判决准则和修正方式，直接对状态预测值进行修正，使滤波算法能及时跟上目标真实状态，以提高滤波精度。使用浮点操作数计算并分析了CKF算法、强跟踪CKF算法及所提算法的复杂度，同时将3种算法应用在建模不准确的目标跟踪中，并进行仿真验证。仿真结果表明：在目标建模不匹配的情况下，低复杂度自适应CKF算法和强跟踪CKF算法都能保持较好的滤波精度和数值稳定性，同时所提算法在算法复杂度上有明显改善。

• 单位
  空军工程大学