一种不等式状态约束最优滤波算法

doi:10.3969/j.issn.1001-2400.2013.01.026

J4 ›› 2013, Vol. 40 ›› Issue (1): 148-154.doi: 10.3969/j.issn.1001-2400.2013.01.026

一种不等式状态约束最优滤波算法

吴鑫辉;黄高明;高俊

(海军工程大学电子工程学院，湖北武汉 430033)

收稿日期:2011-09-19 出版日期:2013-02-20 发布日期:2013-03-28
通讯作者: 吴鑫辉
作者简介:吴鑫辉(1986-)，男，海军工程大学博士研究生，E-mail: wuxinhui009@163.com．
基金资助:
国家高技术研究发展计划(863)资助课题(2010AA7010422);国家自然科学基金资助项目(60901069);中国博士后科学基金资助项目(20080431379, 200902671)

Approach for optimal filtering of the nonlinear system with inequality constraints

WU Xinhui;HUANG Gaoming;GAO Jun

(College of Electronic Engineering, Naval University of Engineering, Wuhan 430033， China)

Received:2011-09-19 Online:2013-02-20 Published:2013-03-28
Contact: WU Xinhui

摘要/Abstract

摘要：

针对非线性系统中较难处理的不等式状态约束滤波问题，提出了一种新的约束无迹卡尔曼滤波算法．该算法利用最大似然法则推导出滤波均方误差函数，将不等式约束条件转化为惩罚函数加入到误差函数中，使用自适应步长法快速搜索最优解．通过理论分析，证明了约束滤波解是误差函数的严格局部最小值，具有最小滤波均方误差．对具有航路约束的电子导航模型进行了仿真，结果表明，该算法具有较高的跟踪精度．

关键词: 目标跟踪, 不等式状态约束, 无迹卡尔曼滤波器, 约束无迹卡尔曼滤波器

Abstract:

According to state estimation for the nonlinear system with intractable inequality constraints, a novel constrained unscented kalman filter (CUKF) is proposed. The objective function is derived by using the maximum probability method, inequality constraints are treated skillfully as a penalty function, and the optimum constrained solution can be solved iteratively using the adaptively step length method. Through theoretical analyses, the constrained solution is the rigorous local minimizer of the objective function. A target tracking example based on digital navigation is presented to illustrate the efficacy of the CUKF. Simulation results show that the CUKF has a better filtering accuracy.

Key words: target tracking, inequality state constraints, unscented kalman filter (UKF), constrained unscented kalman filter (CUKF)

吴鑫辉;黄高明;高俊. 一种不等式状态约束最优滤波算法[J]. J4, 2013, 40(1): 148-154.

WU Xinhui;HUANG Gaoming;GAO Jun. Approach for optimal filtering of the nonlinear system with inequality constraints[J]. J4, 2013, 40(1): 148-154.

参考文献

［1］陈金广, 李洁, 高新波. 一种收缩非线性状态约束滤波算法［J］. 西安电子科技大学学报, 2011, 38(1): 104-109.
Chen Jinguang, Li Jie, Gao Xinbo. Iterative Shrinking Filtering Algorithm with Nonlinear State Constraints ［J］. Journal of Xidian University, 2011, 38(1): 104-109.
［2］ Julier S J, Uhlmann J K. A New Method for the Nonlinear Transformation of Means and Covariances in Filters and Estimators ［J］. IEEE Trans on Automatic Control, 2000, 45(3): 477-482.
［3］ Simon D. Kalman Filtering with State Constraints: a Survey of Linear and Nonlinear Algorithms ［J］. IET Control Theory and Applications, 2010, 4(8): 1303-1318.
［4］ Boulkroune B, Darouach M, Zasadzinski M. Moving Horizon State Estimation for Linear Discrete-time Singular Systems ［J］. IET Control Theory and Applications, 2010, 4(3): 339-350.
［5］ De Geeter J, Brussel H. A Smoothly Constrained Kalman Filter ［J］. IEEE Trans on Pattern Analysis and Machine Intelligence, 1997, 19(10): 1171-1177.
［6］ Simon D, Chia T L. Kalman Filtering with State Equality Constraints ［J］. IEEE Trans on Aerospace and Electronic Systems, 2002, 38(1): 128-136.
［7］ Vincent S, Ghaleb H, Houcine C. State Estimation under Nonlinear State Inequality Constraints: a Tracking Application ［C］//16th Mediterranean Conference on Control and Automation. France: IEEE, 2008: 1669-1674.
［8］ Bonnans J, Gilbert J. Numerical Optimization: Theoretical and Practical Aspects ［M］. New York: Springer, 2000: 51-65, 353-368.
［9］ Jiang Q, Geng G C. A Reduced-space Interior Point Method for Transient Stability Constrained Optimal Power Flow ［J］. IEEE Trans on Power Systems, 2010, 25(3): 1232-1240.
［10］ Simon D. Optimal State Estimation ［M］. New Jersey: Wiley Interscience. 2006: 212-224.

[1]	宋建锋,苗启广,王崇晓,徐浩,杨瑾. 注意力机制的多尺度单目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(5): 110-116.
[2]	王海军,张圣燕,杜玉杰. 响应差异约束的相关滤波无人机目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(5): 149-155.
[3]	顾兆军,陈辉,王家亮,高冰. 一种小型四轴飞行器目标跟踪控制算法[J]. 西安电子科技大学学报, 2021, 48(5): 117-127.
[4]	毛昭勇,王亦晨,王鑫,沈钧戈. 面向高速公路的车辆视频监控分析系统[J]. 西安电子科技大学学报, 2021, 48(5): 178-189.
[5]	逯彦,廖桂生,黄庆享. 结合稀疏表示的跨摄像头运动目标跟踪算法[J]. 西安电子科技大学学报, 2021, 48(2): 197-204.
[6]	张逸宸,水鹏朗. 一种改进的泊松点过程概率多假设跟踪方法[J]. 西安电子科技大学学报, 2021, 48(2): 27-34.
[7]	成磊,王玥,田春娜. 一种添加残差注意力机制的视觉目标跟踪算法[J]. 西安电子科技大学学报, 2020, 47(6): 148-157.
[8]	李翠芸,李洋,姬红兵,石仁政. 一步数据关联GLMB扩展目标跟踪算法[J]. 西安电子科技大学学报, 2020, 47(5): 137-143.
[9]	余志超,张瑞红. 结合深度轮廓特征的改进孪生网络跟踪算法[J]. 西安电子科技大学学报, 2020, 47(3): 40-49.
[10]	张昀普,单甘霖,段修生,王猛. 主/被动传感器辐射控制的调度方法[J]. 西安电子科技大学学报, 2019, 46(6): 67-74.
[11]	王明杰,姬红兵,刘龙. 噪声野值下的学生t分布混合CPHD滤波[J]. 西安电子科技大学学报, 2019, 46(5): 134-141.
[12]	宋建锋,苗启广,申猛,权义宁,陈毓生. 多特征融合的相关滤波红外单目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(5): 142-147.
[13]	李翠芸,陈东伟,石仁政. 自适应目标新生δ广义标签多伯努利滤波算法[J]. 西安电子科技大学学报, 2019, 46(2): 12-16.
[14]	王海军,张圣燕. 自适应权值卷积特征的鲁棒目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(1): 117-123.
[15]	王欣远,肖嵩,李磊,焦玲玲. 融合ELM和相关滤波的鲁棒性目标跟踪算法[J]. 西安电子科技大学学报, 2019, 46(1): 57-63.

一种不等式状态约束最优滤波算法

Approach for optimal filtering of the nonlinear system with inequality constraints

PDF (PC)

赞

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

Metrics

本文评价

推荐阅读 0