论文部分内容阅读
为了在线提高卡尔曼滤波算法(KF)的跟踪精度,对随机序列进行高斯度的定义,将随机序列的分布分为超高斯、高斯、次高斯和非高斯,找出KF可以工作的范围。针对噪声服从次高斯分布时,KF跟踪精度不高,介绍了两个可以判断KF使用过程中设定的噪声协方差与实际是否一致的参数。提出了参数自适应的方法,使设定的噪声协方差与实际值可以自适应地一致,从而提高了KF的跟踪精度。实验结果表明,噪声服从高斯和超高斯分布时,KF跟踪精度很高;噪声服从次高斯分布时,若噪声协方差的设定值与实际值不一致,跟踪误差会很大,对此使用了参数