M.V.库利科娃。;Kulikov，G.Yu。 基于MATLAB的方根扩展无中心和五度容积卡尔曼滤波方法的通用方法。 （英文） 兹比尔1466.93165 欧洲药典控制 59, 1-12 (2021). 摘要：最近提出了一种稳定的平方根方法，用于无迹卡尔曼滤波器（UKF）和五次立方卡尔曼滤波器，以及由扩展卡尔曼滤波器时间更新和UKF/5D-CKF测量更新步骤组成的混合型方法。由于所涉及的EKF矩微分方程，混合型估计器在估计精度和计算需求之间提供了良好的平衡。其主要优点是，在求解EKF矩微分方程时，通过精细的离散化误差控制，巩固了可靠的状态均值和误差协方差传播，并根据先进的UKF和/或5D-CKF滤波策略进行了准确的测量更新。同时，先前提出的估值器的缺点是使用了复杂的数值积分方案和内置的离散化误差控制，这实际上是一种复杂且计算成本高的工具。相反，我们在这里设计了混合类型的方法，它们保持相同的估计质量，但显著减少了计算时间。这种新型估计器巧妙地利用了任何基于MATLAB的数值积分方案，该方案是为求解常微分方程（ODE）而开发的，具有用户预定义的所需精度公差。总之，所建议的估计量的简单性、由于所使用的平方形式而对舍入的数值鲁棒性以及由于涉及离散化误差控制的MATLAB ODE解算器而导致的估计精度是新估计量的吸引人的特点。通过数值实验验证了所提方法与现有方法的性能对比。 引用于2文件 MSC公司： 93E11号机组 随机控制理论中的滤波 93-10 系统和控制理论相关问题的数学建模或仿真 关键词：无迹卡尔曼滤波器;容积卡尔曼滤波器;连续离散滤波;正方形实现;MATLAB软件;常微分方程 软件：Matlab公司 PDF格式BibTeX公司 XML格式引用 \textit{M.V.Kulikova}和\textit{G.Yu.Kulikov}，《欧洲杂志》59，1-12（2021；Zbl 1466.93165） 全文： 内政部 arXiv公司 参考文献： [1] 阿拉萨拉特南，I。；Chandra，K.P.B.，《12个立体信息过滤器》，《多传感器数据融合：从算法和架构设计到应用》，193（2017），CRC出版社Taylor&Francis集团：CRC出版社，Taylor and Francis Group，伦敦，纽约 [2] 阿拉萨拉特南，I。；Haykin，S.，Cubature Kalman滤波器，IEEE Trans。自动。控制，541254-1269（2009）·Zbl 1367.93637号 [3] 阿拉萨拉特南，I。；海金，S。；Elliott，R.J.，《使用高斯-埃尔米特正交的离散时间非线性滤波算法》，Proc。IEEE，95，953-977（2007） [4] 阿拉萨拉特南，I。；海金，S。；Hurd，T.R.，《连续离散系统的立方卡尔曼滤波：理论和仿真》，IEEE Trans。信号处理。，58, 4977-4993 (2010) ·Zbl 1391.93223号 [5] Bar-Shalom，Y。；Li，X.R.，《估算和跟踪：原理、技术和软件》（1993），Artech House·Zbl 0853.62076号 [6] Bierman，G.J.，《离散序列估计的因式分解方法》（1977），学术出版社：纽约学术出版社·Zbl 0372.93001号 [7] 比利克，I。；Tabrikian，J.，使用非线性非高斯卡尔曼滤波器在闪烁噪声环境中跟踪目标，2006年IEEE雷达会议论文集，282-286（2016） [8] Bojanczyk，A。；新泽西州海姆。；Patel，H.，通过双曲线QR分解求解不定最小二乘问题，SIAM J.矩阵分析。申请。，24, 914-931 (2003) ·Zbl 1036.65035号 [9] Bréhard，T。；Cadre，J.-P.L.，仅用于轴承跟踪的分层粒子滤波器，IEEE Trans。Aerosp.航空公司。电子。系统。，43, 1567-1585 (2007) [10] Cattivelli，F.S。；Sayed，A.H.，分布式卡尔曼滤波和平滑的扩散策略，IEEE Trans。自动。控制，552069-284（2010）·Zbl 1368.93706号 [11] Chandra，K.P.B。；Gu，D.W.，《非线性滤波：方法与应用》（2019年），施普林格出版社·兹比尔1515.93003 [12] Chandra，K.P.B。；顾德伟。；Postlethwaite，I.，平方根容积信息过滤器，IEEE Sens.J.，13，750-758（2013） [13] 戴尔，P。；McReynolds，S.，《扩展平方根滤波以包括过程噪声》，J.Optim。理论应用。，3, 444-459 (1969) ·Zbl 0165.10602号 [14] 弗罗杰利斯，P。；J.J.Bellanger。；Senhadji，L.，计算连续离散扩展卡尔曼滤波器的各种方法，IEEE Trans。自动。对照，5700-1004（2012）·Zbl 1369.93624号 [15] 格雷瓦尔，M.S。；Andrews，A.P.，《卡尔曼滤波：使用MATLAB的理论与实践》（2015），John Wiley&Sons：John Willey&Sons New Jersey·Zbl 1322.93001号 [16] 哈姆·F·M。；Brown，R.G.，《可观测性、特征值和卡尔曼滤波》，IEEE Trans。Aerosp.航空公司。电子。系统。，269-273 (1983) [17] Hewer，G.A。；马丁·R·D。；Zeh，J.，闪烁噪声卡尔曼滤波的鲁棒预处理，IEEE Trans。Aerosp.航空公司。电子。系统。，AES-23120-128（1987） [18] 海姆·D·J。；新泽西州海厄姆，MatLab指南（2005），SIAM:SIAM费城·Zbl 1067.68180号 [19] Higham，N.J.，J-正交矩阵：性质和推广，SIAM Rev.，45，504-519（2003）·Zbl 1034.65026号 [20] Ho，Y.C。；Lee，R.C.K.，《随机估计和控制问题的贝叶斯方法》，IEEE Trans。自动。控制，9333-339（1964） [21] 伊藤，K。；Xiong，K.，非线性滤波问题的高斯滤波器，IEEE Trans。自动。控制，45，910-927（2000）·Zbl 0976.93079号 [22] Jazwinski，A.H.，《随机过程和过滤理论》（1970），学术出版社：纽约学术出版社·Zbl 0203.50101号 [23] 贾，B。；辛，M。；Cheng，Y.，高阶容积卡尔曼滤波器，Automatica，49，510-518（2013）·Zbl 1259.93118号 [24] 朱利埃，S。；Uhlmann，J。；Durrant-Whyte，H.F.，滤波器和估计器中均值和协方差非线性变换的新方法，IEEE Trans。自动。控制，45，477-482（2000）·Zbl 0973.93053号 [25] 朱利尔，S.J。；Uhlmann，J.K.，《无中心滤波和非线性估计》，Proc。IEEE，92，401-422（2004） [26] Kailath，T。；赛义德，A.H。；Hassibi，B.，《线性估计》（2000年），普伦蒂斯·霍尔：新泽西州普伦蒂斯霍尔 [27] Kloeden，体育。；Platen，E.，随机微分方程的数值解（1999），Springer:Springer-Blin·Zbl 0701.60054号 [28] Kulikov，G.余。，一些Runge-Kutta对中的廉价全局误差估计，IMA J.数值分析。，33, 136-163 (2013) ·Zbl 1271.65119号 [29] 107253 [30] Kulikov，G.Yu。；Kulikova，M.V.，工程研究中出现的刚性连续离散随机模型卡尔曼滤波状态估计的准确性问题，第22届系统理论、控制和计算国际会议论文集，800-835（2018） [31] （正在印刷中）。 [32] Kulikov，G.Yu。；Kulikova，M.V.，非线性连续离散随机系统状态估计的基于Itó-Taylor的平方无迹卡尔曼滤波方法，《欧洲控制杂志》，58，101-113（2021）·Zbl 1458.93251号 [33] Kulikov，G.Yu。；Kulikova，M.V.，连续离散扩展卡尔曼滤波器的精确数值实现，IEEE Trans。自动。控制，59，273-279（2014）·Zbl 1360.93700号 [34] Kulikov，G.Yu。；Kulikova，M.V.，用于雷达跟踪的精确连续离散扩展卡尔曼滤波器，IEEE Trans。信号处理。，64, 948-958 (2016) ·Zbl 1412.94052号 [35] Kulikov，G.Yu。；Kulikova，M.V.，雷达跟踪中非线性连续时间随机模型估计的精确连续离散无迹卡尔曼滤波，信号处理。，139, 25-35 (2017) [36] Kulikov，G.Yu。；Kulikova，M.V.，具有非线性或不可微观测值的连续离散随机状态空间系统的精确状态估计，IEEE Trans。自动。控制，624243-4250（2017）·Zbl 1373.93341号 [37] Kulikov，G.Yu。；Kulikova，M.V.，非高斯噪声存在下机动目标的估计：协调转弯案例研究，信号处理。，145241-257（2018） [38] Kulikov，G.Yu。；Kulikova，M.V.，基于扩展卡尔曼滤波的状态估计在病态连续离散非线性随机化学系统中的数值鲁棒性，国际鲁棒非线性控制，51377-1395（2019）·Zbl 1410.93123号 [39] Kulikova，M.V。；Kulikov，G.Yu。，精确混合型连续直径扩展和五度容积卡尔曼滤波器的平方旋转方法，IET雷达声纳导航。，14, 11, 1671-1680 (2020) [40] 109110. ·Zbl 1448.93328号 [41] Lee，D.J.，《使用无味信息滤波的非线性估计和多传感器融合》，IEEE信号处理。莱特。，1861-864（2008年） [42] Leth，J。；Knudsen，T.，一种新的连续离散无迹卡尔曼滤波器，IEEE Trans。自动。控制，64，2198-2205（2019）·Zbl 1482.93628号 [43] 刘，G。；沃戈特，F。；Markelic，I.，平方或σ点信息过滤，IEEE Trans。自动。控制，57，2945-2950（2012）·Zbl 1369.93638号 [44] Mallick，M。；Morelande，M。；Mihaylova，L。；阿鲁兰帕拉姆，S。；Yan，Y.，第1章。三维角度滤波，（Mallick，M.；Krishnamurthy，V.；Vo，B.-N.，《综合跟踪、分类和传感器管理：理论和应用》（2012），威利和电气与电子工程师学会），1-42 [45] 梅内加兹，H.M。；石原，J.Y。；博尔赫斯，G.A。；Vargas，A.N.，《无味卡尔曼滤波理论的系统化》，IEEE Trans。自动。控制，60，2583-2598（2015）·Zbl 1360.93705号 [46] Merwe，R.V.D。；Wan，E.A.，状态和参数估计的平方根无迹卡尔曼滤波器，2001年IEEE声学、语音和信号处理国际会议论文集，63461-3464（2001） [47] Oshman，Y.，使用协方差谱分解的平方根信息滤波，第27届IEEE决策与控制会议论文集，1382-387（1988） [48] 奥斯曼，Y。；Bar-Itzhack，I.Y.，通过协方差和信息特征因子进行平方根滤波，Automatica，22599-604（1986）·Zbl 0599.93060号 [49] 帕克，P。；Kailath，T.，卡尔曼滤波的新平方根算法，IEEE Trans。自动。控制，40895-899（1995）·Zbl 0829.93075号 [50] Ristic，B。；阿鲁兰帕兰，南部。；Gordon，N.J.，《超越卡尔曼滤波器：跟踪应用的粒子滤波器》（Beyond the Kalman Filter:Particle Filters for Tracking Applications）（2004），Artech House·Zbl 1092.93041号 [51] 桑托斯·迪亚兹，E。；海金，S。；Hurd，T.R.，五度连续分辨率容积卡尔曼滤波雷达，IET雷达声纳导航。，12, 1225-1232 (2018) [52] Särkkä，S.，关于连续时间非线性系统状态估计的无迹卡尔曼滤波器，IEEE Trans。自动。控制，521631-1641（2007）·Zbl 1366.93660号 [53] 南卡罗来纳州。；Solin，A.，《关于连续离散容积卡尔曼滤波》，IFAC Proc。第45卷，1221-1226（2012） [54] Simon，D.，《最优状态估计：卡尔曼、H无穷大和非线性方法》（2006），John Wiley&Sons [55] Tsyganova，J.V。；Kulikova，M.V。；Tsyganov，A.V.，基于UD的卡尔曼滤波器的一些新阵列信息公式，意大利那不勒斯，第18届欧洲控制会议论文集，1872-1877（2019） [56] Tsyganova，J.V。；库利科娃，M.V。；Tsyganov，A.V.，《设计基于MWGS的信息形态卡尔曼滤波方法的通用方法》，《欧洲控制杂志》，56，86-97（2020）·Zbl 1455.93199号 [57] Wan，E.A。；Merwe，R.V.d.，《无味卡尔曼滤波器》（The unscented Kalman filter，Haykin，S.，Kalman Filtering and Neural Networks（2001），John Wiley&Sons，Inc.：John Willey&Sons公司，纽约），221-280 [58] Wu，W.R.，闪烁噪声下的目标跟踪，IEEE Trans。Aerosp.航空公司。电子。系统。，29, 174-185 (1993) 此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。