摘要:扩展卡尔曼滤波器（Extended Kalman Filter, EKF）因其实现简单、收敛速度快等优点被广泛应用于非线性状态估计，成为目前应用较为广泛的非线性滤波器之一。但它对系统模型有着严格要求，若存在系统模型不确定性或未知性时，就会造成滤波器的性能大大下降。而强跟踪滤波器（Strong Tracking Filtering, STF）是在EKF算法基础上引入渐消因子而得到的一种改进算法，它是一种自适应的非线性滤波器，可用于非线性系统的状态估计或参数联合估计。这种算法有极强的鲁棒性和抗干扰能力且对初值的敏感性较低。

本文主要介绍了强跟踪滤波器（STF）的基本理论和方法。首先引入扩展卡尔曼滤波器和强跟踪滤波器的概念，并简要介绍强跟踪滤波器的发展现状。然后具体概述强跟踪滤波器的设计原理，接着利用STF算法处理平抛运动实际问题以及在MATLAB中的实现。最后介绍了基于强跟踪滤波器的拓展滤波器，同时对其发展趋势进行讨论。

关键词：非线性  强跟踪滤波器  拓展卡尔曼滤波器

目录

摘要

ABSTRACT

1 绪论-1

1.1  强跟踪滤波器研究背景及意义-1

1.2  强跟踪滤波器的产生和发展-1

1.3  强跟踪滤波器的特点-1

1.4  强跟踪滤波器的应用-2

2 强跟踪滤波器的设计原理-4

2.1 正交性原理-4

3 建立仿真模型-6

3.1 实际应用-6

3.2建立模型-6

4 强跟踪滤波器在MATLAB 中的实现-8

4.1参数设置及相关算法实现-8

4.2 仿真结果分析-9

5.总结与展望-11

5.1强跟踪UKF滤波器-11

5.2强跟踪CDKF滤波器-11

5.3强跟踪CKF滤波器-12

参考文献-13

致  谢-15