自适应调谐卡尔曼滤波统计这一难题的启发式参考递归方法。第2部分。真实数据研究

在之前的论文中，开发了一种基于参考递归方法的自适应滤波，并在具有弱非线性弹簧的弹簧、质量和阻尼器的模拟动力学上进行了测试。本文将该方法应用于更复杂的三组飞机数据情况，这些数据具有更多的状态、测量和未知参数。此外，飞行测试不能总是在过程噪声和测量噪声为白噪声且高斯分布（如卡尔曼滤波中通常假设的）的理想情况下进行。测量通常无法相对于重心获得，具有尺度和偏差因子，这些也必须被建模和估计。纵向和横向运动之间的耦合带来了额外的困难，但使问题更有趣。有时，来自纵向和横向运动的噪声测量被输入到纵向状态中。这导致所得方程变为线性，测量噪声形成过程噪声输入。有时甚至估计出强烈影响飞机动力学的参数，这些参数在不同方法间差异很大。这需要对估计值仔细审视。我们还建议仔细审视估计参数的相关系数（在此类研究中通常被忽略），这为其后续使用提供了见解。本方法在估计未知量上已被证明优于早期方法。特别是，本工作中引入的广义代价函数有助于从欺骗性结果中识别确定性结果。