- 博客(12)
- 收藏
- 关注
RSS订阅
原创 针对线性卡尔曼滤波中噪声为非正态分布的改进措施
在卡尔曼滤波中，噪声的非正态分布（如重尾、偏态或有界分布）会导致传统算法性能下降。：通过滑动窗口或指数加权实时估计噪声协方差（如 Sage-Husa 自适应滤波）。：联合估计状态和噪声分布参数（如逆Wishart分布建模协方差不确定性）。：动态调整噪声的统计特性（协方差矩阵），适应非平稳或未知分布。：通过调整滤波算法对异常值的敏感度，降低非正态噪声的影响。：复杂噪声分布（如多峰、强偏态），且计算资源充足。：噪声可分解为多个高斯模态（如混合高斯噪声）。：重尾噪声（如脉冲噪声）或测量中存在离群值。
2025-08-12 16:05:30
279
原创 强跟踪滤波算法(Strong Tracking Filter, STF)
一、数学模型强跟踪滤波算法在卡尔曼滤波的基础上，引入了渐消因子，通过卡尔曼增益使残差系列正交。其核心思想是通过实时调整滤波器增益，使残差序列始终保持正交性，从而实现对系统突变状态的快速跟踪。一、数学模型1.状态方程2.观测方程其中：。
2025-08-12 15:05:40
408
原创 晶格卡尔曼滤波（Lattice Kalman Filter）
LKF 通过格型规则和随机平移技术，将非线性滤波中的积分问题转化为确定性采样点求和，显著降低了计算负担，同时保持了估计精度。优势与性能计算效率：仅需 N=5 个格型点即可达到与 UKF（需 9 个点）相近的精度。数值稳定性：格型规则避免直接矩阵求逆，适合高维系统。适用性：特别适合非线性系统（如航空航天模型）的多维积分近似。方法采样点数计算复杂度适用场景LKF5低非线性高维系统UKF9中一般非线性系统使用Deepseek生成相关代码%% 清空工作区clc;clear;
2025-08-01 13:44:07
689
原创 乘性平方根扩展卡尔曼滤波(MSF-EKF)
MSF-EKF（乘性平方根扩展卡尔曼滤波）是一种改进的EKF（扩展卡尔曼滤波）算法，主要用于非线性系统状态估计，特别适用于数值稳定性要求高的场合。它结合了平方根滤波（Square-root Filtering）和乘性噪声处理技术，相比标准EKF具有更好的数值鲁棒性。
2025-07-28 01:30:11
392
1原创 二阶广义卡尔曼滤波(SOEKF)
二阶广义卡尔曼滤波（Second-Order Extended Kalman Filter, SOEKF）是对标准扩展卡尔曼滤波（EKF）的改进，通过引入二阶泰勒展开来更精确地处理非线性系统的状态估计问题。
2025-07-25 14:12:26
513
原创 自适应卡尔曼滤波（AKF）
目的：自适应卡尔曼滤波（Adaptive Kalman Filter, AKF）是标准卡尔曼滤波的扩展，旨在解决实际系统中过程噪声协方差矩阵 Q 和量测噪声协方差矩阵 R 未知或时变的问题。其核心思想是根据实时滤波结果动态调整 Q 和 R，以提高状态估计的鲁棒性和精度。
2025-07-22 00:43:25
415
原创 学习笔记--IEKF（迭代卡尔曼滤波）
迭代卡尔曼滤波（Iterated Extended Kalman Filter, IEKF）是扩展卡尔曼滤波（EKF）的一种改进算法，旨在解决EKF在处理强非线性系统时因线性化误差较大导致的估计精度下降问题。其核心思想是：在同一个测量更新时刻，多次迭代优化状态估计和误差协方差，每次迭代都在当前最优估计处重新线性化非线性函数，从而减少线性化误差。
2025-07-21 14:49:31
985
原创 主成成分分析法(principal components analysis,PCA)
PCA（principal components analysis）即技术，又称主分量分析，旨在利用的思想，把多指标转化为少数几个综合指标。在统计学中，分析PCA是一种简化的技术。它是一个。这个变换把到一个新的中，使得任何数据投影的第一大方差在第一个坐标(称为)上，第二大方差在第二个坐标(第二主成分)上，依次类推。经常用于减少数据集的，同时保持数据集的对方差贡献最大的特征。这是通过保留低阶主成分，忽略高阶主成分做到的。这样低阶成分往往能够保留住数据的最重要方面。但是，这也不是一定的，要视具体应用而定。
2025-07-17 20:36:55
38
原创 CKF(容积卡尔曼滤波）
容积卡尔曼滤波（CKF）是由加拿大学者Arasaratnam和Haykin在2009年提出的。该算法的核心思想是针对非线性高斯系统，通过三阶球面径向容积准则来近似状态的后验均值和协方差，以保证在理论上以三阶。EKF的缺陷：需要计算雅可比矩阵（线性化误差大）；CKF采用三阶球面径向容积规则来求取2n个容积点。逼近任何非线性高斯状态的后验均值和方差。④计算状态量预测值及误差协方差预测值。⑨增益更新，状态量，误差协方差。个Sigma点，而CKF仅需。UKF的冗余：UKF使用。⑧量测误差协方差和协方差。
2025-07-10 15:55:27
462
原创 学习笔记：PF（粒子滤波）
粒子滤波（Particle Filter, PF）是一种基于蒙特卡洛方法（Monte Carlo, MC）的非线性、非高斯贝叶斯滤波算法。它通过一组随机样本（粒子）来近似状态的后验概率分布，适用于传统卡尔曼滤波（KF/EKF/UKF）难以处理的复杂系统。
2025-07-09 20:16:35
1132
空空如也
空空如也
TA创建的收藏夹 TA关注的收藏夹
TA关注的人