针对现有的迭代扩展卡尔曼滤波（EIEKF）跟踪时估计精度较低这一不足，提出了一种改进扩展卡尔曼滤波（NIEKF）新算法。
该算法将迭代滤波理论引入到扩展卡尔曼滤波方法中，重复利用观测信息，采用经典的非线性非高斯模型进行仿真实验，给出了该方法与扩展卡尔曼滤波（EKF）、Unscented卡尔曼滤波（UKF）、现有的迭代扩展卡尔曼滤波（EIEKF）的仿真结果，并分析了其跟踪性能和均方根误差。
仿真结果表明,改进扩展卡尔曼滤波（NIEKF）新方法具有更高的估计精度。
该算法将迭代滤波理论引入到扩展卡尔曼滤波方法中，重复利用观测信息，采用经典的非线性非高斯模型进行仿真实验，给出了该方法与扩展卡尔曼滤波（EKF）、Unscented卡尔曼滤波（UKF）、现有的迭代扩展卡尔曼滤波（EIEKF）的仿真结果，并分析了其跟踪性能和均方根误差。
仿真结果表明,改进扩展卡尔曼滤波（NIEKF）新方法具有更高的估计精度。
2025/11/1 17:40:24
1.56MB
