自适应卡尔曼滤波新算法：极大似然准则下的实时噪声估计

该论文发表于2005年8月的《西北工业大学学报》第23卷第4期，由岳晓奎和袁建平两位作者撰写，主要关注的是“一种基于极大似然准则的自适应卡尔曼滤波算法”。在实际工程背景下，当系统的模型不确定性或者模型本身随时间变化时，传统卡尔曼滤波算法的性能会受到影响，甚至可能失效。为了应对这种情况，研究者引入了极大似然估计这一统计方法，通过实时更新系统和量测噪声方差阵Q和R，以动态适应环境的变化，确保滤波算法能够更有效地处理噪声统计特性。 论文的核心内容包括以下几个方面： 1. 极大似然估计准则：论文基于极大似然估计的思想，这种方法强调不仅考虑新的观测数据（新息），还关注新息协方差矩阵Pv的变化。作者提出利用这个准则来设计自适应卡尔曼滤波器，旨在优化R和Q阵的估计和调整，从而提升滤波算法的整体性能。 2. 滤波方程建立：论文讨论了三种情况，即分别单独估计量测噪声阵R、系统噪声阵Q以及同时对两者进行估计和调整，从而构建了极大似然自适应卡尔曼滤波器的具体数学模型。 3. 实例分析：研究者针对低成本惯性/全球定位系统(INS/GPS)组合导航系统，进行了该自适应滤波方法的性能仿真分析，并将其与传统的卡尔曼滤波算法进行了对比，着重评估了新算法在精度和稳定性方面的优势。 4. 结论与讨论：文章最后总结了极大似然自适应卡尔曼滤波算法的优点，尤其是在系统建模不精确或模型变化频繁的场景下，它能提供更好的滤波效果，具有较高的实用价值。 这篇论文的重要性在于它为解决实际工程中的动态系统滤波问题提供了一个新颖且有效的策略，展示了如何通过统计学习方法改进传统卡尔曼滤波器，使其更加适应复杂环境下的应用。