排序方式: 共有3条查询结果,搜索用时 0 毫秒
1
1.
Huber方法是一种基于l1/l2联合范数的估计方法,该方法可以实现估计的鲁棒性,同时尽量不损失滤波精度和效率.基于Huber估计的无味卡尔曼滤波虽提高了无味卡尔曼滤波的鲁棒性,但这种方法用统计线性回归模型来近似非线性的观测模型,损失了无味变换的精度.从Huber方法的数学意义出发,对观测信息(观测值或观测噪声)进行重新构造,然后对精确的非线性观测方程进行标准的无味卡尔曼滤波,这种新的基于Huber方法的无味卡尔曼滤波无需对非线性观测方程进行线性近似,在保持鲁棒性的前提下提高了滤波精度.通过一个具有混合高斯分布观测噪声的简明实例,验证了新算法在鲁棒性、滤波精度以及估计一致性方面的优势. 相似文献
2.
3.
研究了利用线性卡尔曼滤波实现准静基座捷联惯导大失准角初始对准的问题。根据李群理论,如果系统模型具有仿射性,则其对应的线性误差模型是独立于状态估计值的,同时可以从该线性模型精确反推出李群上的非线性状态误差。分析指出,准静基座条件下捷联惯导姿态微分方程满足仿射性条件,其对应的姿态误差方程是独立于姿态估计值的。但是,如果将速度考虑进状态,则整体的状态模型不再满足仿射条件,无论是基于SO(3)+R3还是SE(3)姿态描述,所对应的状态误差方程都不能做到独立于状态估计值。基于上述分析,直接对SO(3)+R3状态描述下的速度误差方程进行改造,用重力矢量直接替换比力项,从而构造出独立于状态估计值的状态转移矩阵。仿真实验结果表明,利用所构造的线性状态空间模型,即使在大失准角条件下也能快速收敛到极限对准精度;车载晃动实验结果表明,利用所构造的线性状态空间模型,在大失准角条件下同样能够快速地跟上小失准角条件下的线性卡尔曼滤波对准结果。 相似文献
1