预测-五阶容积卡尔曼滤波方法

doi:10.7527/S1000-6893.2022.26817

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 |

预测-五阶容积卡尔曼滤波方法

赵祥丹, 王彪, 王志胜(), 杨忠

南京航空航天大学自动化学院，南京 210016

收稿日期:2021-12-14 修回日期:2021-12-31 接受日期:2022-03-21 出版日期:2022-05-09 发布日期:2022-04-12
通讯作者: 王志胜 E-mail:wangzhisheng@nuaa.edu.cn
基金资助:
航空科学基金(201928052006);贵州省科技计划项目(［2020］2Y044)

Predictive fifth-degree cubature Kalman filter method

Xiangdan ZHAO, Biao WANG, Zhisheng WANG(), Zhong YANG

College of Automation，Nanjing University of Aeronautics and Astronautics，Nanjing 210016，China

Received:2021-12-14 Revised:2021-12-31 Accepted:2022-03-21 Online:2022-05-09 Published:2022-04-12
Contact: Zhisheng WANG E-mail:wangzhisheng@nuaa.edu.cn
Supported by:
Aeronautical Science Foundation of China(201928052006);Guizhou Provincial Science and Technology Projects(［2020］2Y044)

摘要/Abstract

摘要：

为适用于强非线性、非高斯过程噪声系统，结合预测滤波（PF）与高阶容积卡尔曼滤波（HCKF），提出一种预测-五阶容积卡尔曼滤波（P5thCKF）方法。通过预测滤波方法对系统模型中的过程噪声及其方差阵进行实时调整，进而将新模型代入到五阶容积卡尔曼滤波框架中进行实时递推状态估计。推导了五阶球面单形-径向积分准则，采用五阶球面单形积分准则处理球面积分，广义高斯-拉盖尔积分准则处理径向积分；描述了预测滤波方法并对模型误差调整量进行了推导。通过2个仿真实验验证了本文方法在强非线性、非高斯过程噪声系统中的可行性以及应用于工程实践的可能性。

关键词: 预测滤波, 高阶容积卡尔曼滤波, 预测-五阶容积卡尔曼滤波, 五阶球面单形积分准则, 广义高斯-拉盖尔积分准则

Abstract:

A Predictive fifth-degree Cubature Kalman Filter （P5thCKF） method， which combines the Predictive Filter （PF） and the High-degree Cubature Kalman Filter （HCKF） is proposed for strongly nonlinear and non-Gaussian process noise systems. The PF is used to adjust the process noise and variance matrix in the system model in real time， and then the new model is put into the fifth-degree cubature Kalman filter framework to perform real-time recursive state estimation. The fifth-degree spherical simplex-radial rule is derived and is used to deal with spherical integration， and the generalized Gauss-Laguerre integral rule is used to deal with radial integration. The predictive filtering method is described， and the error adjustment amount of the model derived. The feasibility of the proposed method in strongly nonlinear and non-Gaussian process noise systems and its possible application to engineering practice are verified by two simulation experiments.

Key words: predictive filter, high-degree cubature Kalman filter, predictive fifth-degree cubature Kalman filter, fifth-degree spherical simplex rule, generalized Gauss-Laguerre integral rule

中图分类号:

V219

赵祥丹, 王彪, 王志胜, 杨忠. 预测-五阶容积卡尔曼滤波方法[J]. 航空学报, 2023, 44(6): 326817-326817.

Xiangdan ZHAO, Biao WANG, Zhisheng WANG, Zhong YANG. Predictive fifth-degree cubature Kalman filter method[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2023, 44(6): 326817-326817.

图/表 7

图1

图2

表 1

表 2

图3

表 3

表 4

参考文献 25

1	ARASARATNAM I， HAYKIN S， ELLIOTT R J. Discrete-time nonlinear filtering algorithms using Gauss-hermite quadrature［J］. Proceedings of the IEEE， 2007， 95（5）： 953-977.
2	ARASARATNAM I， HAYKIN S. Cubature Kalman filters［J］. IEEE Transactions on Automatic Control， 2009， 54（6）： 1254-1269.
3	JIA B. High-degree cubature Kalman filter［J］. Automatica， 2013， 49（2）： 510-518.
4	WANG S Y， FENG J C， TSE C K. Spherical simplex-radial cubature Kalman filter［J］. IEEE Signal Processing Letters， 2014， 21（1）： 43-46.
5	ZHANG Y G， HUANG Y L， WU Z M， et al. Seventh-degree spherical simplex-radial cubature Kalman filter［C］∥The 33th Chinese Control Conference， 2014： 2513-2517.
6	李兆铭，杨文革，丁丹，等. 高阶球面单形—径向容积求积分卡尔曼滤波算法［J］. 通信学报， 2017， 38（8）： 111-117.
	LI Z M， YANG W G， DING D， et al. High-degree spherical simplex-radial cubature quadrature Kalman filter［J］. Journal on Communications， 2017， 38（8）： 111-117 （in Chinese）.
7	孟东，缪玲娟，邵海俊，等. 七阶正交容积卡尔曼滤波算法［J］. 航空学报， 2017， 38（12）： 321410.
	MENG D， MIAO L J， SHAO H J， et al. A seventh-degree cubature quadrature Kalman filter［J］. Acta Aeronautica et Astronautica Sinica， 2017， 38（12）： 321410 （in Chinese）.
8	赵明亮，汪立新，关永祥，等. 七阶球面单形-径向容积卡尔曼滤波方法［J］. 现代防御技术， 2019， 47（1）： 26-32， 89.
	ZHAO M L， WANG L X， GUAN Y X， et al. Seventh-degree spherical simplex-radial cubature Kalman filtering method［J］. Modern Defence Technology， 2019， 47（1）： 26-32， 89 （in Chinese）.
9	CRASSIDIS J L， MARKLEY F L. Predictive filtering for nonlinear systems［J］. Journal of Guidance， Control， and Dynamics， 1997， 20（3）： 566-572.
10	张红梅，刘胜，孙明健. 最优状态估计理论及应用［M］. 哈尔滨：哈尔滨工业大学出版社， 2019.
	ZHANG H M， LIU S， SUN M J. Theory and application of optimal state estimation［M］. Harbin： Harbin Institute of Technology Press， 2019 （in Chinese）.
11	LU J， DARMOFAL D L. Higher-dimensional integration with Gaussian weight for applications in probabilistic design［J］. SIAM Journal on Scientific Computing， 2004， 26（2）： 613-624.
12	HILDEBRAND B. Introduction to numerical analysis ［M］. New York： McGraw-Hill， 1956
13	关治，陆金甫. 数值方法［M］. 北京：清华大学出版社， 2006.
	GUAN Z， LU J F. Numerical method ［M］. Beijing： Tsinghua University Press， 2006 （in Chinese）.
14	OWEN D B， ABRAMOWITZ M， STEGUN I A. Handbook of mathematical functions with formulas， graphs， and mathematical tables［J］. Technometrics， 1965， 7（1）： 78.
15	MOOK D J， JUNKINS J L. Minimum model error estimation for poorly modeled dynamic systems［J］. Journal of Guidance， Control， and Dynamics， 1988， 11（3）： 256-261.
16	任玥，冀杰，赵颖，等. 基于最小模型误差估计的智能汽车路径跟踪控制［J］. 汽车工程， 2021， 43（4）： 580-587.
	REN Y， JI J， ZHAO Y， et al. Path tracking control of intelligent vehicle based on minimal model error estimation［J］. Automotive Engineering， 2021， 43（4）： 580-587 （in Chinese）.
17	赵利强，陈坤云，王建林，等. 基于矩阵对角化变换的高阶容积卡尔曼滤波［J］. 控制与决策， 2016， 31（6）： 1080-1086.
	ZHAO L Q， CHEN K Y， WANG J L， et al. High-degree cubature Kalman filter based on diagonalization of matrix［J］. Control and Decision， 2016， 31（6）： 1080-1086 （in Chinese）.
18	朱新坚，曹广益. 线性系统、强非线性系统、目标与控制［J］. 浙江大学学报， 1998（S）：1-5.
	ZHU X J， CAO G Y. Objectives and control of linear systems and strongly nonlinear systems［J］. Journal of Zhejiang University， 1998（S）：1-5 （in Chinese）.
19	张海涛，陈宗海，向微，等. 强非线性系统的一种快速神经网络控制策略［J］. 模式识别与人工智能， 2003， 16（4）： 385-389.
	ZHANG H T， CHEN Z H， XIANG W， et al. A fast neural network control strategy of a severe nonlinear system［J］. Pattern Recognition and Artificial Intelligence， 2003， 16（4）： 385-389 （in Chinese）.
20	全权，戴训华，王帅. 多旋翼飞行器设计与控制实践［M］. 北京：电子工业出版社， 2020.
	QUAN Q， DAI X H， WANG S. Introduction to multicopter design and control ［M］. Beijing： Publishing House of Electronics industry， 2020 （in Chinese）.
21	储开斌，赵爽，冯成涛. 基于Mahony-EKF的无人机姿态解算算法［J］. 电子测量与仪器学报， 2020， 34（12）： 12-18.
	CHU K B， ZHAO S， FENG C T. UAV attitude calculation algorithm based on Mahony-EKF［J］. Journal of Electronic Measurement and Instrumentation， 2020， 34（12）： 12-18 （in Chinese）.
22	刘旭航，刘小雄，章卫国，等. 基于加速度修正模型的无人机姿态解算算法［J］. 西北工业大学学报， 2021， 39（1）： 175-181.
	LIU X H， LIU X X， ZHANG W G， et al. UAV attitude calculation algorithm based on acceleration correction model［J］. Journal of Northwestern Polytechnical University， 2021， 39（1）： 175-181 （in Chinese）.
23	熊颖，刘强，韩邦成，等. 基于微机电系统洛伦兹平台角速度估计［J］. 科学技术与工程， 2021， 21（21）： 8976-8982.
	XIONG Y， LIU Q， HAN B C， et al. Angular velocity estimation using micro-electro-mechanical system sensors with applications in Lorentz platform［J］. Science Technology and Engineering， 2021， 21（21）： 8976-8982 （in Chinese）.
24	丁君. 基于微惯性传感器的姿态算法研究［D］. 上海：上海交通大学， 2013.
	DING J. Research on attitude algorithm based on micro inertial sensors［D］. Shanghai： Shanghai Jiao Tong University， 2013 （in Chinese）.
25	崔培林，周翟和，吕品，等. 自适应误差四元数无迹卡尔曼滤波四旋翼飞行器姿态解算方法［J］. 西安交通大学学报， 2019， 53（3）： 97-102， 110.
	CUI P L， ZHOU Z H， LÜ P， et al. Adaptive error quaternion unscented Kalman filter algorithm for quadrotor attitude calculation［J］. Journal of Xi’an Jiaotong University， 2019， 53（3）： 97-102， 110 （in Chinese）.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

状态	RMSE均值
状态	CKF	5thCKF	P5thCKF
状态1	0.45	0.35	0.22
状态2	62.27	61.09	0.48
状态3	0.29	0.29	0.008
状态4	0.17	0.17	0.003

状态	RMSE方差
状态	CKF	5thCKF	P5thCKF
状态1	6.1×10^-4	1.7×10^-4	1.1×10^-4
状态2	1.340 5	2.572 6	0.209 2
状态3	1×10^-4	1×10^-4	8.6×10^-5
状态4	3.8×10^-5	3.7×10^-5	3.5×10^-5

姿态角	RMSE均值/（°）
姿态角	CKF	5thCKF	P5thCKF
俯仰角	2.69	0.91	0.52
滚转角	3.28	1.09	0.58
偏航角	1.61	0.74	0.41

姿态角	RMSE方差/（°）
姿态角	CKF	5thCKF	P5thCKF
俯仰角	0.45	0.31	0.09
滚转角	1.25	0.31	0.16
偏航角	0.35	0.15	0.01

[1]	卢航, 郝顺义, 彭志颖, 黄国荣. 基于边缘采样的简化高阶CKF在非线性快速传递对准中的应用[J]. 航空学报, 2019, 40(3): 322390-322390.
[2]	宫晓琳;房建成. 模型预测滤波在机载SAR运动补偿POS系统中的应用[J]. 航空学报, 2008, 29(1): 102-109.
[3]	曹娟娟;房建成;盛蔚. 大失准角下MIMU空中快速对准技术[J]. 航空学报, 2007, 28(6): 1395-1400.
[4]	张红梅;邓正隆;林玉荣. 一种基于模型误差预测的UKF方法[J]. 航空学报, 2004, 25(6): 598-601.
[5]	杨静;张洪钺. 基于预测滤波器的GPS姿态估计[J]. 航空学报, 2001, 22(5): 415-419.

预测-五阶容积卡尔曼滤波方法

Predictive fifth-degree cubature Kalman filter method

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 7

参考文献 25

相关文章 5

编辑推荐

Metrics

本文评价