典型文献
自适应强跟踪AST-ESKF无人车室内导航算法
文献摘要：
针对室内环境下超宽带测量信息异常造成的轨迹预测失真问题,融合无人车惯性导航与超宽带模块,提出了一种自适应强跟踪误差状态卡尔曼滤波算法.首先,针对测量与预测信息的差值异常问题,基于误差状态卡尔曼滤波框架,利用滑动窗算法修正新息矩阵;其次,针对异常误差权值过大问题,根据马氏距离构建测量异常误差判别门限,建立改进的二段胡贝尔(Huber)权函数,有效降低了异常误差的权值;最后,针对导航系统弱跟踪问题,算法利用渐消因子自适应调整状态协方差矩阵.实验结果表明:该方法在保证导航实时性的基础上,与误差状态卡尔曼滤波算法、自适应误差状态卡尔曼滤波算法和无迹卡尔曼滤波算法相比,轨迹平均估计误差分别降低50.0％、40.2％和23.5％,提高了融合系统轨迹预测的准确度.
文献关键词：
卡尔曼滤波;新息修正;自适应滤波;强跟踪滤波;马氏距离
中图分类号：
作者姓名：
张雯涛;吴飞;朱海
作者机构：
上海工程技术大学 电子电气工程学院,上海 201620
文献出处：
引用格式：
[1]张雯涛;吴飞;朱海-.自适应强跟踪AST-ESKF无人车室内导航算法)[J].导航定位学报,2022(04):34-42
A类：
新息修正
B类：
AST,ESKF,无人车,室内导航,室内环境,超宽带,轨迹预测,失真,真问题,惯性导航,跟踪误差,误差状态卡尔曼滤波,异常问题,滑动窗,权值,马氏距离,判别门限,二段,胡贝尔,Huber,权函数,导航系统,跟踪问题,法利,渐消因子,自适应调整,协方差矩阵,无迹卡尔曼滤波算法,估计误差,融合系统,自适应滤波,强跟踪滤波
AB值：
0.332467
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。
