论文研究 欠观测条件下的高斯和增量卡尔曼滤波算法.pdf

欠观测条件下的增量卡尔曼滤波算法能够消除未知的量测系统误差，提高滤波精度。当系统的过程噪声和量测噪声为非高斯分布时，该算法不能直接使用。针对该问题，结合高斯和滤波算法，提出一种欠观测条件下的高斯和增量卡尔曼滤波算法。该算法将初始状态、过程噪声和量测噪声近似为高斯和的形式，然后按照增量卡尔曼滤波的思想对每个高斯项进行预测和更新，最后以累加和的形式对状态向量进行近似。仿真结果表明，该算法在非高斯噪声分布的情况下，既能成功地消除量测系统误差，又能有效地提高滤波估计的准确度和可靠性。