自适应SVD-UKF算法及在穿刺状态估计中的应用

摘要：

柔性针在实际穿刺过程中会产生不规则形变,导致柔性针模型存在参数不确定性问题,影响穿刺精度.本文针对柔性针穿刺过程存在的不确定性问题以及超声成像等设备存在的量测噪声统计特征不准确性问题,提出了一种带有噪声估计器的自适应奇异值分解无迹卡尔曼滤波算法.该算法采用自适应因子实时修正动力学模型误差,通过奇异值分解抑制系统状态协方差矩阵的负定性,利用Sage-Husa估计器在线估计噪声的统计特性,减小了系统状态估计误差.将新算法应用于带有曲率不定性的柔性针穿刺模型进行计算仿真,仿真结果显示,新的算法较现有的UKF算法相比,估计误差减小了0.28 mm(82.7％),与AUKF算法相比,估计误差减小0.06 mm(52％).因此,新算法可有效改善滤波性能,提高穿刺状态的估计精度.

关键词：自适应滤波、奇异值分解、无迹卡尔曼滤波、Sage-Husa估计器、柔性针

所属期刊栏目：39

分类号：TN911.72;TP242;TP391.41

资助基金：国家重点研发计划2018YFE0206900

在线出版日期：2023-03-28（万方平台首次上网日期，不代表论文的发表时间）

页数：共9页

页码：2322-2330