空天地一体化网络中基于最大互相关熵的UKF目标状态与系统偏差估计

"这篇论文研究了一种针对空天地一体化传感网络中目标状态和系统偏差联合估计算法，基于最大互相关熵无迹卡尔曼滤波（MCUKF）。该算法旨在解决观测噪声重尾或突变问题以及系统偏差对目标状态估计的影响。" 在空天地一体化传感网络中，传感器对目标的观测往往受到不规则噪声和系统偏差的干扰。传统卡尔曼滤波在处理这类非高斯噪声和系统偏差时可能会表现不佳。为了解决这个问题，论文提出了一种名为最大互相关熵无迹卡尔曼滤波（Maximum Correlation Entropy Unscented Kalman Filter, MCUKF）的新型滤波算法。MCUKF算法利用无迹变换（Unscented Transform, UT）生成预测状态估计和协方差矩阵，接着通过最大互相关熵准则（Maximal Correlation Coefficient, MCC）对非线性回归进行重构，从而增强了滤波器对重尾噪声的鲁棒性。 此外，论文还介绍了一种增强型的MCUKF算法（Augmented System MCUKF, ASMCUKF），它将目标状态向量扩展，以同时估计目标状态和系统偏差。通过建立包含系统误差的非线性观测方程，并依据估计的系统偏差进行偏差校正，ASMCUKF能够更有效地降低系统偏差对目标状态估计的负面影响。 仿真结果显示，在存在重尾非高斯观测噪声的环境中，ASMCUKF相比于传统的估计算法，其对通信目标状态和系统偏差的估计精度显著提高。这表明，ASMCUKF算法对于处理复杂环境下的空天地一体化传感网络数据具有较高的实用价值。 该研究由国家自然科学基金和国家“863”计划资助，由赵季红、谢志勇、曲桦、王明欣和刘熙等研究人员共同完成，他们分别在空天地一体化网络、鲁棒估计等领域有着深入的研究。 这篇论文提供了一种创新的滤波方法，能够更好地处理空天地一体化传感网络中的观测噪声和系统偏差问题，为未来相关领域的状态估计和数据分析提供了有价值的理论支持和技术手段。