%0 Journal Article
%T 有限模型卡尔曼滤波的框架及一个实例：MVDP-FMKF算法
%A 冯波
%A 马宏宾
%A 付梦印
%A 汪顺亭
%J 自动化学报
%P 1246-1256
%D 2013
%R 10.3724/SP.J.1004.2013.01246
%X ？卡尔曼滤波技术在很多领域已得到广泛的应用,标准卡尔曼滤波算法是基于线性高斯系统模型假设,需要已知精确的系统模型.当系统模型存在较大不确定性时,运用基于不精确系统模型设计的卡尔曼滤波算法时,滤波效果通常不能满足系统需求甚至发散.在很多实际应用中,往往需要大量工作才能得到较为精确的系统模型或者基本不可能给出精确的系统模型.为解决这一具有工程实践意义的问题,受有限模型自适应控制思想的启发,本文介绍了一个有限模型卡尔曼滤波算法的框架.在该框架中,假设系统模型的不确定性可由有限个已知模型的集合(模型个数不限)来刻划或近似,从而先验未知的系统模型可以通过充分挖掘系统运行的动态后验数据中的信息,利用已知模型集在线自适应估计以逼近真实系统的模型,最终实现模型有较大不确定性时仍能有效滤波.在此框架下,基于最小化距离向量的准则,我们引入一种模型自适应切换的算法(MVDP-FMKF),给出其数学描述,并通过仿真研究及MEMS陀螺漂移测试验证了算法的有效性.本工作展现了有限模型卡尔曼滤波的机制在导航系统等应用中具有有效性、实用性.
%K 有限模型卡尔曼滤波
%K 最小矢量距离准则
%K 自适应切换
%K MEMS陀螺降噪
%U http://www.aas.net.cn/CN/abstract/abstract18156.shtml