摘要：提出一种基于卡尔曼滤波与粒子滤波的非线性滤波算法.这种方法对于状态变量服从线性变化而观测方程为非线性的动态系统模型具有显著的效果.首先使用粒子滤波对状态变量进行初估计,然后对估计结果进行卡尔曼滤波,另外推导出该系统模型下状态变量估计误差的克拉美劳下界.通过计算复杂度分析及仿真实验验证,表明新方法与标准粒子滤波算法复杂度相当,但参数估计精度要高于标准粒子滤波以及扩展卡尔曼滤波算法,估计误差甚至要低于系统模型的克拉美劳下界.

关键词：非线性滤波 粒子滤波 卡尔曼滤波 克拉美劳下界 计算复杂度 

单位：大连理工大学电子信息与电气工程学部; 辽宁大连116024; 国家无线电监测中心; 北京100037; 北京邮电大学信息与通信工程学院; 北京100876