扩展卡尔曼滤波和粒子滤波算法性能比较研究
在各种非线性滤波技术中,扩展卡尔曼滤波(EKF)是一种最简单的算法,它将卡尔曼滤波(KF)局部线性化,适用于弱非线性、高斯环境下。Unscented卡尔曼滤波(UKF)用一系列确定样本来逼近状态的后验概率密度,适用于高斯环境下的任何非线性系统。粒子滤波(PF)用随机样本来近似状态的后验概率密度,适用于任何非线性非高斯环境,但有时选择的重要性分布函数与真实后验有较大差异,从而导致滤波结果存在较大误差,而Unscented粒子滤波(UPF)正好克服了这一不足,它先通过UKF产生重要性分布,再运用PF算法。通过仿真实验,对四者的性能进行比较,结果证明,在非线性非高斯环境下,UPF的性能明显优于另外三种滤波器。
非线性滤波 后验概率密度 扩展卡尔曼滤波 Unscented卡尔曼滤波 粒子滤波
李彩菊 李亚安
西北工业大学航海学院,西安,710072
国内会议
西双版纳
中文
74-78
2009-08-01（万方平台首次上网日期，不代表论文的发表时间）