一种鲁棒自适应容积卡尔曼滤波方法及其在相对导航中的应用

摘要：

针对无人机编队相对导航系统中视觉导航传感器量测噪声服从非高斯分布的问题,提出一种带噪声估计器的鲁棒自适应容积卡尔曼滤波(CKF)算法.该算法将Huber求解线性回归问题与协方差匹配方法相结合,利用残差序列实时估计,调整系统过程噪声和量测噪声的统计特性,并采用遗忘加权参数对接收到的测量数据进行加权,从而准确地估计出无人机之间的相对位置、速度和姿态信息,提高了鲁棒CKF算法的自适应能力.仿真结果表明,与标准CKF算法和鲁棒CKF算法相比,该算法对受污染的噪声统计特性有较强的自适应性,估计精度高,鲁棒性更强.

关键词：无人机、相对导航、非高斯噪声、鲁棒自适应滤波、鲁棒性

所属期刊栏目：39

分类号：V249.32+1(航空仪表、航空设备、飞行控制与导航)

资助基金：国家自然科学基金项目61304236

在线出版日期：2018-04-11（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：94-100