论文部分内容阅读
对于非线性的动态状态空间模型，扩展卡尔曼滤波（EKF）通过泰勒展开拟合系统的状态和观测方程，以获得对状态值的估计，但其存在估值波动大、收敛慢等缺点；而基于Sigma—point点的卡尔曼滤波方法，则是通过确定性采样实现统计特性上的近似，从而获得更为准确的高阶统计特性．为此，建立了正交频分复用（OFDM）载波频偏的动态状态空间模型，并将Sigma．point卡尔曼滤波用于其频偏估计．仿真结果表明，该类方法可以捕捉更为准确的高阶特性，其估值准确、收敛速度快、波动小、对观测噪声大小不敏感．