基于渐消记忆自适应Kalman滤波的GPS/DR数据融合
针对标准的卡尔曼滤波器对系统模型依赖性强、鲁棒性差,而GPs/DR系统的精确系统模型难以建立的问题,提出了一种渐消记忆自适应联邦卡尔曼滤波器.融合了自适应联邦滤波算法和SageHusa自适应滤波算法,估计变化的系统观测噪声方差阵,使之更符合真实的模型,并有效对GPS的定位数据的传统算法的发散得到收敛,提高组合定位的精度.计算机仿真结果表明了该算法的可行性和有效性.
GPS/DR、联邦滤波器、SageHusa自适应滤波、遗忘因子、数据融合
31
TP391.9(计算技术、计算机技术)
教育部核资源与环境重点实验室基金项目060620;东华理工大学校长基金项目DHXK0933
2011-01-28(万方平台首次上网日期,不代表论文的发表时间)
共4页
4720-4723