一种基于模型误差预测的UKF方法

摘要

Unscented Kalman滤波器(UKF)对本质非线性系统具有估计精度高、收敛速度快和容易实现等优点,但是对系统的模型误差比较敏感.针对这一问题,提出了一种基于模型误差预测的UKF方法,称为PUKF(Predictive Unscented Kalman Filter).它利用非线性预测滤波器(NPF)的模型误差预测过程,能够对不准确的系统模型进行实时修正,弥补了UKF方法的不足.仿真结果表明,相对于原始的UKF方法,新方法从滤波精度、收敛速度和收敛的稳定性等几个方面,显著提高了非线性滤波的性能.PUKF可适用于模型不确定、非线性较强系统的滤波.