迭代无味卡尔曼滤波的目标跟踪算法

针对目标跟踪迭代无味卡尔曼滤波(IUKF)算法中跟踪精度较差的问题,提出一种基于状态扩展技术的改进迭代无味卡尔曼滤波(IIUKF)算法.新算法首先将观测噪声扩展进状态,构造关于扩展状态的零噪声观测方程,然后在观测迭代过程中将最新的扩展状态后验估计代入更新公式,进行观测迭代更新.相比IUKF算法,IIUKF算法不仅形式上更为简洁,而且避免了IUKF算法中先验估计和观测噪声非统计正交的问题,滤波精度更高.数值仿真表明,IIUKF算法的跟踪误差比IUKF算法减小了20%以上.     

改进四元数无味卡尔曼滤波算法

针对四元数无味卡尔曼滤波计算量较大等问题,提出一种改进的四元数无味卡尔曼滤波算法,通过四元数与修正罗德里格斯参数的线性变换,避免了四元数无味卡尔曼滤波中,四元数与误差罗德里格斯参数频繁切换所带来的计算量增大的问题,从而降低了算法的计算量。推导了修正罗德里格斯参数出现奇异值时,改进四元数无味卡尔曼滤波的奇异值避免的转换公式。在捷联惯性导航系统/全球卫星定位系统(strapdown inertial navigation system / global positioning system,SINS/GPS)直接式位置松组合仿真试验中,对比了乘性扩展卡尔曼滤波、四元数无味卡尔曼滤波和改进四元数无味卡尔曼滤波的估计性能,证明了所提出算法的有效性。