Improved forward and backward adaptive smoothing algorithm
Improved forward and backward adaptive smoothing algorithm
复制标题
改进的前向和后向自适应平滑算法
DOI：
10.1007/s10291-021-01185-0
复制
发表时间：
2021-10
期刊：
影响因子：
4.9
通讯作者：
Li Wei
中科院分区：
文献类型：
--
作者：
Lin Xu;Yang Xinghai;Hu Chihao;Li Wei
卡尔曼平滑算法广泛应用于目标跟踪系统中的离线数据处理，以提高滤波器计算精度。本质是前向和后向卡尔曼滤波器中的权重平均。当系统中存在异常动态模型时，自适应卡尔曼滤波算法可以在一定程度上减少其对滤波结果的影响。然而，由于选择自适应因子的方法多种多样且比较复杂，因此很难选择最优的自适应因子。因此，当动态模型出现异常时，前向滤波和后向滤波结果均不理想，进而导致异常前后加权平均后平滑精度下降。我们提出了一种改进的前向和后向自适应平滑（IFBAS）算法。在平滑过程中，利用前向自适应卡尔曼滤波器和后向自适应卡尔曼滤波器的自适应因子对协方差信息进行两次修正，以减少次优滤波器信息对平滑精度的影响。我们将IFBAS算法应用到GPS/INS组合导航系统和GNSS网络的数据后处理中。仿真实验和IGS台站时间序列分析实例结果表明，IFBAS算法能够有效抑制异常动态模型的影响，提高平滑精度。
Kalman smoothing algorithms are widely used in offline data processing in target tracking systems to improve filter calculations accuracy. The essence is weight averaging in forward and backward Kalman filters. When there is an abnormal dynamic model in the system, the adaptive Kalman filter algorithm can reduce its impact on the filter results to a certain extent. Nevertheless, because there are various methods for selecting adaptive factors and all of them are complicated, it is difficult to select the optimal adaptive factors. Therefore, the forward filter and backward filter results are suboptimal when a dynamic model abnormality occurs, which, in turn, causes the smoothing accuracy to decrease after the weighted average before and after this abnormality. We propose an improved forward and backward adaptive smoothing (IFBAS) algorithm. During the smoothing process, adaptive factors of the forward adaptive Kalman filter and the backward adaptive Kalman filter are used to modify the covariance information twice to reduce the influence of suboptimal filter information on smoothing accuracy. We apply the IFBAS algorithm to the GPS/INS integrated navigation system and data postprocessing of the GNSS network. The results of simulation experiments and time series of IGS station analysis examples show that the IFBAS algorithm can effectively suppress the influence of abnormal dynamic models and improve smoothing accuracy.
登录
查看更多内容
鲁棒自适应容积卡尔曼滤波器及其在超紧耦合SINS/GPS导航系统中的应用
DOI：
10.3390/s18072352
发表时间：
2018-07-20
期刊：
Sensors (Basel, Switzerland)
影响因子：
--
作者：
Zhao X;Li J;Yan X;Ji S
通讯作者：
Ji S
影响因子：
4.9
作者：
Pan Li;Xinyuan Jiang;Xiaohong Zhang;M. Ge;H. Schuh
通讯作者：
Pan Li;Xinyuan Jiang;Xiaohong Zhang;M. Ge;H. Schuh
影响因子：
4.9
作者：
Yunzhong Shen;Zebo Zhou;Bofeng Li
通讯作者：
Bofeng Li
影响因子：
3.3
作者：
D. Melgar;T. Melbourne;B. Crowell;J. Geng;W. Szeliga;C. Scrivner;M. Santillan;D. Goldberg
通讯作者：
D. Melgar;T. Melbourne;B. Crowell;J. Geng;W. Szeliga;C. Scrivner;M. Santillan;D. Goldberg
影响因子：
4.4
作者：
Yang, Yuanxi;Gao, Weiguang
通讯作者：
Gao, Weiguang