基于双渐消因子调节的自适应卡尔曼滤波器

卡尔曼(Kalman)滤波为线性最优递推滤波算法,但鲁棒性差,无法实时精确跟踪系统突变状态。为此,设计了一款双渐消因子调节的自适应Kalman滤波器。算法剖析了状态扰动环境下,不精准的先验预测及定量滤波增益对最优估计的影响。在标准Kalman滤波器的基础上,引入双渐消因子,实时激活滤波增益,调节先验估计及量测新息在状态估计中的权重。基于新息正交性定理,依据Sage开窗估计原理与加权最小二乘准则,建立了双渐消因子的函数解析式。借鉴滤波发散判据,构造了函数边界条件。实例研究表明,相较于抗差Kalman滤波器,自适应Kalman滤波器鲁棒性强,状态收敛速度快,稳态跟踪精度提升了44.76%。