改进的混合滤波方法：A-CKF与KF结合提升动态系统性能

本文主要探讨了"扩展容积卡尔曼滤波-卡尔曼滤波组合算法"这一主题，针对传统单一线性或非线性滤波方法在处理混合线性/非线性动态系统时可能遇到的挑战，即难以获得最优的状态估计。作者赵曦晶、刘光斌、汪立新、何志昆和姚志成提出了一种创新的滤波方法，该方法结合了卡尔曼滤波（KF）和扩展容积卡尔曼滤波（A-CKF）的优势。 在该算法中，系统状态被分解为线性和非线性两个部分，线性部分利用卡尔曼滤波进行处理，其优点在于能够提供最优的线性状态估计，并且计算效率较高。对于非线性部分，采用了简化两次扩展容积卡尔曼滤波（STA-CKF）方法，这有助于提高滤波的精度和实时性。通过与Rao-Blackwellized粒子滤波方法和STA-CKF方法的比较，研究发现新方法在保持滤波精度的同时，显著降低了计算成本，尤其是在机动目标跟踪和捷联惯性导航系统的非线性对准应用中。 机动目标跟踪和捷联惯性导航系统是实际工程中的关键领域，对滤波性能有严格要求。新提出的组合滤波方法能够在这些场景中展现出优越性，尤其是在滤波精度和实时性方面，相较于传统方法有了显著提升。此外，论文还引用了相关领域的分类号（V249.3），表明了研究的学术定位，并强调了文献的重要性（A级），并通过文章编号（1007-2276(2014)02-0647-07）明确了其在期刊上的发表位置。 这项工作为混合动态系统状态估计提供了一个有效的解决方案，不仅提升了滤波性能，还优化了计算效率，对于推进信息技术尤其是导航和跟踪技术的发展具有实际意义。