双重迭代变分贝叶斯自适应卡尔曼滤波算法

留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

双重迭代变分贝叶斯自适应卡尔曼滤波算法

陈金广, 李洁, 高新波

文章导航 > 电子科技大学学报 > 2012 > 41(3): 359-363

陈金广, 李洁, 高新波. 双重迭代变分贝叶斯自适应卡尔曼滤波算法[J]. 电子科技大学学报, 2012, 41(3): 359-363. doi: 10.3969/j.issn.1001-0548.2012.03.006

引用本文:

陈金广, 李洁, 高新波. 双重迭代变分贝叶斯自适应卡尔曼滤波算法[J]. 电子科技大学学报, 2012, 41(3): 359-363. doi: 10.3969/j.issn.1001-0548.2012.03.006

CHEN Jin-guang, LI Jie, GAO Xin-bo. Dual Recursive Variational Bayesian Adaptive Kalman Filtering Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(3): 359-363. doi: 10.3969/j.issn.1001-0548.2012.03.006

Citation:

CHEN Jin-guang, LI Jie, GAO Xin-bo. Dual Recursive Variational Bayesian Adaptive Kalman Filtering Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(3): 359-363. doi: 10.3969/j.issn.1001-0548.2012.03.006

双重迭代变分贝叶斯自适应卡尔曼滤波算法

doi: 10.3969/j.issn.1001-0548.2012.03.006

1.
西安电子科技大学电子工程学院西安 710071;
2.
西安工程大学计算机科学学院西安 710048

基金项目:

国家自然科学基金(60832005,61125204)

作者简介:
陈金广(1977-),男,博士,副教授,主要从事信息融合、目标跟踪方面的研究.

中图分类号: TN911.23

Dual Recursive Variational Bayesian Adaptive Kalman Filtering Algorithm

1.
School of Electronic Engineering,Xidian University Xi'an 710071;
2.
School of Computer Science,Xi'an Polytechnic University Xi'an 710048

摘要: 提出了一种新的自适应卡尔曼滤波算法。该算法假设系统过程噪声方差和量测噪声方差之间存在的函数关系已知,两种噪声方差随着时间变化且均未知。先令当前时刻的过程噪声方差等于前一时刻的过程噪声方差,通过变分贝叶斯近似的方法,在卡尔曼滤波框架下迭代求解当前时刻的量测噪声方差和状态估计,再利用假设中的函数关系获得新的过程噪声方差。对上述过程多次迭代,最终获得状态估计及协方差。仿真实验结果表明,该算法具有较高的滤波精度;在假设条件不确知的情况下仍具有较强的鲁棒性。
- 自适应卡尔曼滤波 /
- 噪声方差未知 /
- 状态估计 /
- 变分贝叶斯近似
Abstract: A new adaptive Kalman filtering algorithm is presented. The new algorithm assumes that the variance relationship between process noise and measurement noise is known, but both kinds of variance are unknown and varying with time. At first, let the process noise variance at the current time point be equal to that at the prior time point. Applying the method of variational Bayesian approximation, the measurement noise variance and state estimation are solved under the framework of Kalman filter, and then a new process noise variance is obtained via the function relationship. After the process above is implemented for some runs, the final state estimation and covariance are obtained. Experimental results show that the new algorithm has higher accuracy; Furthermore, the new algorithm still has strong robustness when the assumption is uncertain.
- adaptive Kalman filter /
- noise variance unknown /
- state estimation /
- variational Bayesian approximation

[1]	李鑫尧, 陈洪波, 沈力源, 冯雪松, 李晶晶. 锂电池状态跨域估计算法综述 . 电子科技大学学报, 2024, 53(5): 749-761. doi: 10.12178/1001-0548.2024171
[2]	谭龙飞, 童玲, 陈彦. 基于贝叶斯融合的土壤含水量估计 . 电子科技大学学报, 2018, 47(4): 539-544. doi: 10.3969/j.issn.1001-0548.2018.04.011
[3]	李飞, 黄琦, NENADKATIC, 吴文传, 蔡世民, 唐明, 刘张. 复杂配电网状态估计方法研究 . 电子科技大学学报, 2018, 47(2): 194-202. doi: 10.3969/j.issn.1001-0548.2018.02.006
[4]	王艳芬, 丛潇雨, 孙彦景. 一种稀疏度自适应超宽带信道估计算法 . 电子科技大学学报, 2017, 46(3): 498-504. doi: 10.3969/j.issn.1001-0548.2017.03.004
[5]	冯代伟, 陆超, 陈勇, 黄大贵. 具有电流偏差和噪声扰动的H_∞观测器在线估计电池SoC状态 . 电子科技大学学报, 2017, 46(4): 547-553. doi: 10.3969/j.issn.1001-0548.2017.04.012
[6]	宋召青, 王康. 基于后向差分Delta算子的卡尔曼滤波算法及其仿真 . 电子科技大学学报, 2016, 45(5): 767-771. doi: 10.3969/j.issn.1001-0548.2016.05.010
[7]	周瑞, 袁兴中, 黄一鸣. 基于卡尔曼滤波的WiFi-PDR融合室内定位 . 电子科技大学学报, 2016, 45(3): 399-404. doi: 10.3969/j.issn.1001-0548.2016.02.015
[8]	罗亚松, 胡洪宁, 刘忠, 胡生亮, 张建强. 基于OFDM信号的自适应水声信道估计算法 . 电子科技大学学报, 2014, 43(5): 678-684. doi: 10.3969/j.issn.1001-0548.2014.05.008
[9]	刘翔舸, 王鹏新, 唐伯惠, 黄健熙, 陶欣. 集合卡尔曼滤波同化估算地表水热通量的研究 . 电子科技大学学报, 2014, 43(3): 393-399. doi: 10.3969/j.issn.1001-0548.2014.03.013
[10]	张花国, 魏平. 未知频偏下直扩信号的扩频序列估计 . 电子科技大学学报, 2013, 42(1): 44-47,80. doi: 10.3969/j.issn.1001-0548.2013.01.011
[11]	宁小玲, 刘忠, 刘志坤. 稀疏水声OFDM系统迭代LS自适应信道估计 . 电子科技大学学报, 2011, 40(5): 671-675. doi: 10.3969/j.issn.1001-0548.2011.05.007
[12]	陈晓梅, 孟晓风, 王国华. 自适应阈值估计的MS模型仿真建模 . 电子科技大学学报, 2011, 40(1): 58-63. doi: 10.3969/j.issn.1001-0548.2011.01.011
[13]	张波, 罗丰, 张林让, 黄庆东, 刘高高. 基于Toeplitz矩阵初值的协方差估计方法 . 电子科技大学学报, 2011, 40(6): 865-868. doi: 10.3969/j.issn.1001-0548.2011.06.011
[14]	李南君, 魏平. 伪协方差函数的宽带信号源个数估计法 . 电子科技大学学报, 2010, 39(3): 355-360.
[15]	张然然, 杨爱敏, 刘思杨, 刘元安. 不精确信道状态信息下的自适应调制算法 . 电子科技大学学报, 2009, 38(3): 345-348. doi: 10.3969/j.issn.1001-0548.2009.03.007
[16]	陈培, 杨颖, 王云, 陈杰. 扩展卡尔曼滤波估计载波参数的算法研究 . 电子科技大学学报, 2009, 38(4): 509-512. doi: 10.3969/j.issn.1001-0548.2009.04.008
[17]	李金海, 巴晓辉, 陈杰. 三阶卡尔曼滤波数字锁频环设计及性能分析 . 电子科技大学学报, 2008, 37(5): 677-680,729.
[18]	衣晓, 何友, 关欣. 主被动结合的协同定位模型研究 . 电子科技大学学报, 2006, 35(4): 491-493.
[19]	徐明民. 巴斯卡分布中未知参数的估计 . 电子科技大学学报, 2004, 33(5): 618-620.
[20]	郁伯康, 郁梅. 彩色图像脉冲噪声的自适应矢量滤波 . 电子科技大学学报, 2000, 29(2): 131-135.

WeChat

点击查看大图

计量

文章访问数: 4607
HTML全文浏览量: 211
PDF下载量: 86
被引次数: 0

双重迭代变分贝叶斯自适应卡尔曼滤波算法

doi: 10.3969/j.issn.1001-0548.2012.03.006

1. 西安电子科技大学电子工程学院西安 710071;

2. 西安工程大学计算机科学学院西安 710048

基金项目:

国家自然科学基金(60832005,61125204)

作者简介:
陈金广(1977-),男,博士,副教授,主要从事信息融合、目标跟踪方面的研究.

收稿日期: 2010-03-19
修回日期: 2012-01-19
刊出日期: 2012-06-15

中图分类号: TN911.23

关键词:

摘要: 提出了一种新的自适应卡尔曼滤波算法。该算法假设系统过程噪声方差和量测噪声方差之间存在的函数关系已知,两种噪声方差随着时间变化且均未知。先令当前时刻的过程噪声方差等于前一时刻的过程噪声方差,通过变分贝叶斯近似的方法,在卡尔曼滤波框架下迭代求解当前时刻的量测噪声方差和状态估计,再利用假设中的函数关系获得新的过程噪声方差。对上述过程多次迭代,最终获得状态估计及协方差。仿真实验结果表明,该算法具有较高的滤波精度;在假设条件不确知的情况下仍具有较强的鲁棒性。

English Abstract

陈金广, 李洁, 高新波. 双重迭代变分贝叶斯自适应卡尔曼滤波算法[J]. 电子科技大学学报, 2012, 41(3): 359-363. doi: 10.3969/j.issn.1001-0548.2012.03.006

引用本文:

陈金广, 李洁, 高新波. 双重迭代变分贝叶斯自适应卡尔曼滤波算法[J]. 电子科技大学学报, 2012, 41(3): 359-363. doi: 10.3969/j.issn.1001-0548.2012.03.006

CHEN Jin-guang, LI Jie, GAO Xin-bo. Dual Recursive Variational Bayesian Adaptive Kalman Filtering Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(3): 359-363. doi: 10.3969/j.issn.1001-0548.2012.03.006

Citation:

CHEN Jin-guang, LI Jie, GAO Xin-bo. Dual Recursive Variational Bayesian Adaptive Kalman Filtering Algorithm[J]. Journal of University of Electronic Science and Technology of China, 2012, 41(3): 359-363. doi: 10.3969/j.issn.1001-0548.2012.03.006

全文HTML

/

下载: 全尺寸图片幻灯片

分享

用微信扫码二维码

分享至好友和朋友圈

返回

期刊在线

编辑办公

友情链接

电子科技大学

版权所有 © 《电子科技大学学报》编辑部

地址: 成都市建设北路二段四号电子科技大学主楼中350室电话: 028-83202308,83207559 Email: xuebao@uestc.edu.cn

本系统由北京仁和汇智信息技术有限公司开发