【状态估计】基于DEKF双扩展卡尔曼滤波的状态及其估计值研究（Matlab代码实现）

双扩展卡尔曼滤波（Dual Extended Kalman Filter, DEKF）是一种通过两个并行运行的扩展卡尔曼滤波器（EKF）实现状态与参数联合估计的算法。其核心在于分离状态与参数的时间尺度差异微观时间尺度：用于快速变化的系统状态（如电池SOC、车辆动态参数）；宏观时间尺度：用于缓慢变化的模型参数（如电池内阻、AR模型权重）。算法流程DEKF通过双滤波器架构与多尺度处理，在复杂非线性系统

@橘柑橙柠桔柚

1012人浏览 · 2025-04-27 09:06:15

@橘柑橙柠桔柚 · 2025-04-27 09:06:15 发布

💥💥💞💞欢迎来到本博客❤️❤️💥💥

🏆博主优势：🌞🌞🌞博客内容尽量做到思维缜密，逻辑清晰，为了方便读者。

⛳️座右铭：行百里者，半于九十。

📋📋📋本文目录如下：🎁🎁🎁

目录

⛳️赠与读者

💥1 概述

基于DEKF双扩展卡尔曼滤波的状态估计研究

一、DEKF的基本原理与核心定义

二、DEKF与传统EKF的差异对比

三、DEKF的数学模型构建方法

四、DEKF实现的技术难点与解决方案

五、典型应用案例研究

六、总结与展望

📚2 运行结果

🎉3 参考文献

🌈4 Matlab代码实现

⛳️赠与读者

👨‍💻做科研，涉及到一个深在的思想系统，需要科研者逻辑缜密，踏实认真，但是不能只是努力，很多时候借力比努力更重要，然后还要有仰望星空的创新点和启发点。建议读者按目录次序逐一浏览，免得骤然跌入幽暗的迷宫找不到来时的路，它不足为你揭示全部问题的答案，但若能解答你胸中升起的一朵朵疑云，也未尝不会酿成晚霞斑斓的别一番景致，万一它给你带来了一场精神世界的苦雨，那就借机洗刷一下原来存放在那儿的“躺平”上的尘埃吧。

或许，雨过云收，神驰的天地更清朗.......🔎🔎🔎

💥1 概述

基于DEKF双扩展卡尔曼滤波的状态估计研究

一、DEKF的基本原理与核心定义

双扩展卡尔曼滤波（Dual Extended Kalman Filter, DEKF）是一种通过 两个并行运行的扩展卡尔曼滤波器（EKF） 实现状态与参数联合估计的算法。其核心在于分离状态与参数的时间尺度差异：

微观时间尺度：用于快速变化的系统状态（如电池SOC、车辆动态参数）；
宏观时间尺度：用于缓慢变化的模型参数（如电池内阻、AR模型权重）。

算法流程：

二、DEKF与传统EKF的差异对比

特性	EKF	DEKF
目标	单一状态估计	状态与参数联合估计
模型复杂度	单滤波器，线性化近似	双滤波器并行，多尺度处理
参数处理	固定或外部输入	动态更新，适应时变特性
适用场景	线性化误差较小的系统	强非线性、参数时变系统（如电池老化）
计算开销	较低	较高（需维护两个滤波器）
收敛性	对初值敏感，易发散	通过参数自适应提高鲁棒性
典型应用	机器人定位、简单动态系统	电池SOC/SOH估计、手动控制行为建模

关键优势：DEKF通过分离状态与参数，避免了传统EKF中状态-参数耦合导致的线性化误差累积问题，尤其在电池参数时变场景下，估计误差可降低至1%以内。

三、DEKF的数学模型构建方法

四、DEKF实现的技术难点与解决方案

初始参数敏感性：
- 问题：错误的初始参数（如神经肌肉参数）可能导致发散或收敛缓慢。
- 解决方案：基于历史数据或离线辨识（如最小二乘法）初始化参数，并通过协方差矩阵调整加速收敛。
计算复杂度：
- 分布式DEKF：通过节点间信息交换（如协方差交叉融合）降低计算负担，适用于多传感器网络。
- 降维处理：将参数向量限制为关键时变参数（如电池容量），减少计算维度。
偏差与唯一性：
- 问题：噪声统计不准确导致估计偏差，多解问题影响唯一性。
- 验证方法：使用χ²检验标准化残差，或通过自相关函数验证白噪声特性。
实时性优化：
- 并行计算架构：利用GPU加速矩阵运算，满足实时状态监控需求（如车辆动态控制）。

五、典型应用案例研究

锂离子电池SOC/SOH估计：
- 场景：电池老化导致容量衰减，传统EKF无法跟踪内阻变化。
- DEKF方案：双滤波器分别估计SOC（状态）和容量（参数），结合协方差自适应将SOC误差控制在1%以内。
- 实验对比：在DST工况下，DEKF的SOC误差较EKF降低75%。
人类手动控制行为建模：
- 场景：驾驶员在疲劳或车辆动态变化时的控制参数时变。
- DEKF方案：状态滤波器估计操作力矩，参数滤波器识别神经肌肉延迟，实现实时人机交互优化。
货币政策参数估计：
- 场景：中央银行需动态调整通胀目标模型参数。
- DEKF方案：分离宏观经济状态（如GDP）与政策参数（如利率权重），应对非线性乘性噪声。
多无人艇协同定位：
- 场景：通信延迟导致定位误差累积。
- DEKF方案：通过状态估计误差补偿，将定位误差降低至可观测范围内。

六、总结与展望

DEKF通过双滤波器架构与多尺度处理，在复杂非线性系统中展现出显著优势，尤其在电池管理、动态控制等领域。未来研究方向包括：

自适应算法：结合深度学习优化噪声协方差矩阵；
分布式扩展：面向物联网的多节点协同估计；
硬件加速：嵌入式系统实时实现。

DEKF的广泛应用将推动高精度状态估计技术在智能制造、新能源等领域的深度融合。

📚2 运行结果

部分代码：

subplot(2,1,1)
hold on
plot(yk(1:final_pos),'ko');
plot(y(1:final_pos), 'r','LineWidth',4);
plot(x_estim,'b-.','LineWidth',4);
set (gca, "fontsize", 16)
xlim([0,2500])
L=legend('Observations', 'True States', 'Estimated', 'location', 'north', 'orientation', 'horizontal');
FL1= findall(L,'-property','FontName');
set(FL1,'FontName','/usr/share/fonts/msttcore/cour.ttf');
set(L,'FontSize',16);
ylabel('Value','FontSize',16);

subplot(2,1,2)
plot(norm_diff_wk);
set (gca, "fontsize", 16)
xlim([0,2500])
xlabel('Sample','FontSize',16);
ylabel('Value','FontSize',16);
L=legend('Neural net delta weight');
FL1= findall(L,'-property','FontName');
set(FL1,'FontName','/usr/share/fonts/msttcore/cour.ttf');
set(L,'FontSize',16);

H = 9; W = 12;
set(h,'PaperUnits','inches')
set(h,'PaperOrientation','portrait');
set(h,'PaperSize',[H,W])
set(h,'PaperPosition',[0,0,W,H])

h = figure(2);
FN = findall(h,'-property','FontName');
set(FN,'FontName','/usr/share/fonts/dejavu/DejaVuSerifCondensed.ttf');
FS = findall(h,'-property','FontSize');
set(FS,'FontSize',16);

hold on
plot(yk(1:500),'ko','LineWidth',2);
plot(y(1:500), 'r','LineWidth',4);
plot(x_estim(1:500),'b--','LineWidth',4);
set (gca, "fontsize", 16)
xlim([0,500])
ylim([-4,6])
L=legend('Observations', 'True States', 'Estimated', 'location', 'north', 'orientation', 'horizontal');
FL1= findall(L,'-property','FontName');
set(FL1,'FontName','/usr/share/fonts/msttcore/cour.ttf');
set(L,'FontSize',16);
ylabel('Value','FontSize',16);
xlabel('Sample','FontSize',16);

H = 9; W = 12;
set(h,'PaperUnits','inches')
set(h,'PaperOrientation','portrait');
set(h,'PaperSize',[H,W])
set(h,'PaperPosition',[0,0,W,H])
%%print(h,'-dpng','-color','impacto_snr_trecho1.png');

h = figure(3);
FN = findall(h,'-property','FontName');
set(FN,'FontName','/usr/share/fonts/dejavu/DejaVuSerifCondensed.ttf');
FS = findall(h,'-property','FontSize');
set(FS,'FontSize',16);

hold on
plot([501:1000], yk(501:1000),'ko','LineWidth',2);
plot([501:1000],y(501:1000), 'r','LineWidth',4);
plot([501:1000],x_estim(501:1000),'b--','LineWidth',4);
set (gca, "fontsize", 16)
L=legend('Observations', 'True States', 'Estimated', 'location', 'north', 'orientation', 'horizontal');
FL1= findall(L,'-property','FontName');
set(FL1,'FontName','/usr/share/fonts/msttcore/cour.ttf');
set(L,'FontSize',16);
ylabel('Value','FontSize',16);
xlabel('Sample','FontSize',16);

H = 9; W = 12;
set(h,'PaperUnits','inches')
set(h,'PaperOrientation','portrait');
set(h,'PaperSize',[H,W])
set(h,'PaperPosition',[0,0,W,H])
%%print(h,'-dpng','-color','impacto_snr_trecho2.png');

h = figure(4);
FN = findall(h,'-property','FontName');
set(FN,'FontName','/usr/share/fonts/dejavu/DejaVuSerifCondensed.ttf');
FS = findall(h,'-property','FontSize');
set(FS,'FontSize',16);

hold on
plot([2001:2500], yk(2001:2500),'ko','LineWidth',2);
plot([2001:2500], y(2001:2500), 'r','LineWidth',4);
plot([2001:2500], x_estim(2001:2500),'b--','LineWidth',4);
set (gca, "fontsize", 16)
L=legend('Observations', 'True States', 'Estimated', 'location', 'north', 'orientation', 'horizontal');
FL1= findall(L,'-property','FontName');
set(FL1,'FontName','/usr/share/fonts/msttcore/cour.ttf');
set(L,'FontSize',16);
ylabel('Value','FontSize',16);
xlabel('Sample','FontSize',16);

H = 9; W = 12;
set(h,'PaperUnits','inches')
set(h,'PaperOrientation','portrait');
set(h,'PaperSize',[H,W])
set(h,'PaperPosition',[0,0,W,H])
%print(h,'-dpng','-color','impacto_snr_trecho3.png');

h = figure(5);
FN = findall(h,'-property','FontName');
set(FN,'FontName','/usr/share/fonts/dejavu/DejaVuSerifCondensed.ttf');
FS = findall(h,'-property','FontSize');
set(FS,'FontSize',16);

hold on
plot([251:750], yk(251:750),'ko','LineWidth',2);
plot([251:750], y(251:750), 'r','LineWidth',4);
plot([251:750], x_estim(251:750),'b--','LineWidth',4);
xlim([250,750])
set (gca, "fontsize", 16)
L=legend('Observations', 'True States', 'Estimated', 'location', 'north', 'orientation', 'horizontal');
FL1= findall(L,'-property','FontName');
set(FL1,'FontName','/usr/share/fonts/msttcore/cour.ttf');
set(L,'FontSize',16);
ylabel('Value','FontSize',16);
xlabel('Sample','FontSize',16);