对于带未知互协方差的两传感器系统, 提出一种协方差交叉(CI) 融合鲁棒稳态Kalman 滤波器, 它关于未知
互协方差具有鲁棒性. 严格证明了该滤波器的实际精度高于每个局部滤波器的精度, 但低于带已知互协方差的最优
融合Kalman 滤波器的精度. 基于协方差椭圆给出了精度关系的几何解释. 进一步将上述结果推广到一般多传感器情
形. 一个跟踪系统的Monte-Carlo 仿真例子表明, 其实际精度接近于带已知互协方差的最优融合器的精度.
通过分析现有图象雅可比矩阵的在线辨识方法, 提出一种新的辨识思路。将雅可比矩阵的在线
估计转化为系统的状态观测, 并设计了相应的Kalman-Bucy滤波估计算法。以双目立体视觉反馈下的
运动目标跟踪任务为例, 通过仿真和实验说明了所提出方法的有效性。
H∞滤波通常应用于系统模型和噪声特性不确定的环境,存在滤波精度不高的缺 点.通过对H∞ 滤波引入闭环修正,在不影响滤波鲁棒性的前提下,有效地提高了系统精度.无源北斗/SINS组合导航系统的动态跑车实验结果表明,闭环H∞ 滤波下的组合导航精度优于相同滤波误差模型下的闭环Kalman滤波,并且具有参数设置简单,滤波稳定性强的优点.