详情

原文传递鲁棒迭代容积卡尔曼滤波研究与应用

论文题名：	鲁棒迭代容积卡尔曼滤波研究与应用
关键词：	无人船;目标跟踪;状态估计;鲁棒迭代容积卡尔曼滤波算法
摘要：	在日益精进的工业发展中，对于动态系统的状态估计提出了更严苛的要求，需要一种能面对复杂量测环境与非线性系统的高精度、高可靠性和高效率的鲁棒滤波器。在许多应用场合，不仅要保证正常工况下的良好估计精度，还要保证在面对异常数据时的系统稳定性和实时响应所需的高计算效率，它直接关系到民用领域的安全问题和军用领域的战略意义。在非线性高斯系统中，迭代滤波算法比传统非迭代算法具有更高的估计精度，且性价比远高于粒子滤波，但它对异常量测和初始参数等较为敏感，提高迭代滤波算法的鲁棒性与稳定性具有理论与实用价值。但现有的鲁棒估计方法，在非线性高斯滤波框架下的数值稳定性问题一直缺少理论分析，近似最小一乘估计相对Huber-M估计的稳定性优势缺乏数学证明，而算法的高可靠性只能通过理论分析来保障。此外，传统鲁棒滤波算法在系统模型出现过大的短时突变时，会产生极大的估计偏差，而这类情况正是军事应用上的潜在威胁，值得深入研究和有效应对。本文针对这些问题进行了如下研究和工作：　　（1）深入研究了贝叶斯滤波理论，将传统的线性高斯滤波器、非线性高斯滤波器和本文重点研究的迭代滤波算法串联起来，建立起滤波问题的统一视角和理论基础。通过仿真验证迭代滤波在理想的非线性高斯系统中具有显著优势，以及面对含野量测时的退化现象。　　（2）针对含野量测环境的状态估计问题，研究了Huber-M估计方法和基于此发展出的Lamine Mili鲁棒估计框架，以及近年发展起来的近似最小一乘估计。在非线性高斯滤波框架下，采用严格的数学分析证明了近似最小一乘估计的数值稳定性显著优于Huber-M估计，同时证明在极大似然意义下，Huber-M估计将让量测协方差矩阵的条件数趋于上界，并对这些结论进行了仿真验证。　　（3）提出了两种鲁棒迭代容积卡尔曼滤波算法，分别是基于近似最小一乘估计的ALA-RICKF，以及基于Lamine Mili鲁棒估计框架的L-RICKF，并通过仿真验证了二者均优于传统鲁棒滤波算法，其中ALA-RICKF有更好的综合性能，而L-RICKF有更高的估计精度。　　（4）针对传统鲁棒滤波算法在系统模型短时突变时的显著退化现象，定义和分析了野值误判问题，提出趋近量测的渐消鲁棒性概念，分析这种新特性可有效应对高可观性系统的模型突变问题。通过对一个具有短时模型突变的系统进行仿真，验证了本文提出的鲁棒迭代滤波算法具有这种特性，在模型突变段相比传统鲁棒滤波算法有显著优势，并深入分析了相关机理。　　（5）将提出的ALA-RICKF算法应用于复杂量测环境下的无人船目标跟踪问题，并在仿真中找出负面算例，进一步分析所提算法的特性，由此提出了初始迭代抑制策略，通过对各种含野量测环境下的无人船目标跟踪算例仿真，验证所提策略的有效性和ALA-RICKF的显著优势。深入分析了各算法的稳定性问题，通过仿真检验关于数值稳定性问题的理论证明，并揭示出数值稳定性问题对滤波效果的重要影响。　　（6）对含野量测问题进行了哲学分析，相关内容编排在附录A中。
作者：	刘俊杰
专业：	轮机工程
导师：	郭蕴华
授予学位：	硕士
授予学位单位：	武汉理工大学
学位年度：	2021