金1/28多模型自适应滤波Yuan-Li Cail 2Office:Rm247#,E-2BuildingTel:029-82664113http://astd.xjtu.edu.cn/autolms/BackClose
1/28 JJ II J I Back Close 多模型自适应滤波 Yuan-Li Cai1 2 Office: Rm 247#, E-2 Building Tel: 029-82664113 http://astd.xjtu.edu.cn/autolms/
Contents2/282Contents4List of Figures5引言182多模型组合滤波公式静态多模型滤波103动态多模型滤波154BackClose
2/28 JJ IIJI Back Close Contents Contents 2 List of Figures 4 1 引言 5 2 多模型组合滤波公式 8 3 静态多模型滤波 10 4 动态多模型滤波 15
金235数值算例机动目标跟踪27References3/28公BackClose
3/28 JJ II J I Back Close 5 数值算例——机动目标跟踪 23 References 27
季秦List of Figures4/2816多模型滤波原理示意图2IMM滤波器结构图17325机动目标的位置跟踪均方根误差4机动目标三方向位置估计均方根误差26BackClose
4/28 JJ II J I Back Close List of Figures 1 多模型滤波原理示意图 . . . . . . . . . . . . . . . . . . . 6 2 IMM 滤波器结构图 . . . . . . . . . . . . . . . . . . . . . 17 3 机动目标的位置跟踪均方根误差 . . . . . . . . . . . . . . 25 4 机动目标三方向位置估计均方根误差 . . . . . . . . . . . 26
引言5/28标准的卡尔曼滤波方法是基于模型的，包括过程噪声和量测噪声的协方差Q和R等参数，都是卡尔曼滤波器的模型（设计）参数。除了仿真研究，对于实际系统的状态估计，无法直接度量其好坏。但我们可以获得量测估计残差（新息），简称滤波器的残差，这是评价滤波性能唯一可以依赖的数据。公显然，如果模型参数是正确或合适的，那么残差就应当比较小。而当模型参数不合适，那么滤波器的残差就会比较大。这是许多自适应滤波算法以及滤波器参数整定的基础。对一个实际系统，假设我们并行地运行一族滤波器，每个滤波器Back的设计参数均不同，我们可以根据不同滤波器的残差来判断哪个滤波Close
5/28 JJ II J I Back Close 引言 标准的卡尔曼滤波方法是基于模型的，包括过程噪声和量测噪声 的协方差 Q 和 R 等参数，都是卡尔曼滤波器的模型（设计）参数。 除了仿真研究，对于实际系统的状态估计，无法直接度量其好坏。但 我们可以获得量测估计残差（新息），简称滤波器的残差，这是评价 滤波性能唯一可以依赖的数据。 显然，如果模型参数是正确或合适的，那么残差就应当比较小。 而当模型参数不合适，那么滤波器的残差就会比较大。这是许多自适 应滤波算法以及滤波器参数整定的基础。 对一个实际系统，假设我们并行地运行一族滤波器，每个滤波器 的设计参数均不同，我们可以根据不同滤波器的残差来判断哪个滤波