典型文献
量测噪声自适应平方根TCKF姿态数据融合算法
文献摘要：
为了提高微电机系统(Micro-Electro-Mechanical Systems,MEMS)器件的姿态解算精度,本文提出了一种量测噪声自适应平方根正交变换容积卡尔曼滤波(Adaptive-Square Root Transformed Cubature Kalman Filter,A-SRTCKF)姿态数据融合算法.该算法对MEMS器件中的加速度计、陀螺仪和磁力计输出的数据进行数据融合,以TCKF作为基础算法,采用QR分解更新误差协方差矩阵的平方根进行滤波运算,并通过渐消记忆Sage-Husa噪声估计方法对量测噪声进行实时估计.实验结果表明,该算法使姿态测量系统的估计误差至少降低了79.6％,不但避免了因误差协方差矩阵非正定导致算法异常终止的情况,而且解决了系统因量测噪声未知造成的状态估计精度急剧下降问题,具有比TCKF和SRTCKF更高的精度和鲁棒性.
文献关键词：
微电机系统;姿态解算;正交变换容积卡尔曼滤波;量测噪声自适应;平方根滤波
中图分类号：
作者姓名：
钱镭源;许国强;曹文涛;唐明涛
作者机构：
运城职业技术大学智能制造与数智矿山学院,山西运城 044000
文献出处：
引用格式：
[1]钱镭源;许国强;曹文涛;唐明涛-.量测噪声自适应平方根TCKF姿态数据融合算法)[J].测绘与空间地理信息,2022(10):54-57
A类：
量测噪声自适应,TCKF,微电机系统,正交变换容积卡尔曼滤波,SRTCKF,平方根滤波
B类：
数据融合,融合算法,Micro,Electro,Mechanical,Systems,MEMS,姿态解算,Adaptive,Square,Root,Transformed,Cubature,Kalman,Filter,加速度计,陀螺仪,磁力计,QR,协方差矩阵,渐消记忆,Sage,Husa,噪声估计,估计方法,实时估计,姿态测量,测量系统,估计误差,非正定,状态估计,估计精度,急剧下降
AB值：
0.263469
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
