摘要：针对容积卡尔曼滤波(CKF)在递推过程中易出现状态协方差阵非正定性导致计算发散的现象,该文推导了一种基于奇异值分解的容积卡尔曼滤波算法(SVD-CKF)。该算法基于CKF的理论框架,采用奇异值分解代替标准CKF中的Cholesky分解,兼具奇异值分解算法的数值鲁棒性强和CKF精度高、实现简单等优点,解决了CKF在滤波过程中易出现状态协方差阵非正定性引起的计算发散的问题。同时推导了标准CKF、平方根CKF(SR-CKF)和SVD-CKF等不同滤波算法的具体形式,分析了上述不同CKF算法的特点。采用二维目标纯方位跟踪仿真实例与蒙特卡洛仿真试验对3种CKF算法的性能进行对比,结果表明:SVD-CKF算法性能优于标准CKF和平方根CKF算法。

注：因版权方要求，不能公开全文，如需全文，请咨询杂志社