文献类型：期刊文章

作　　者：王磊[1] 程向红[2] 李双喜[1]

机构地区：[1]安徽科技学院电气与电子工程学院,蚌埠233100 [2]东南大学仪器科学与工程学院微惯性仪表与先进导航技术教育部重点实验室,南京210096

出　　处：《中国惯性技术学报》

基　　金：国家自然科学基金(61374215);安徽省自然科学基金(1708085QF146);东南大学微惯性仪表与先进导航技术教育部重点实验室(B类)开放基金资助项目(SEU-MIAN-201701);安徽科技学院人才稳定项目(DQWD201601)

年　　份：2017

卷　　号：25

期　　号：3

起止页码：328-333

语　　种：中文

收录情况：BDHX、BDHX2014、CSCD、CSCD2017_2018、EI、IC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对非结构化环境下移动机器人组合导航系统中存在的时变或非高斯噪声,将秩滤波器(rank Kalman filter,RKF)与交互式多模型算法(interactive multiple model filter,IMM)相结合,提出一种交互式多模型秩滤波算法(IMM-RKF)。秩滤波根据秩统计量相关原理确定采样点和权值,可适用于具有非高斯噪声的非线性系统;交互式多模型算法是解决结构和参数易发生变化系统中状态估计问题的重要途径,能够抑制组合导航系统中时变噪声引起的导航参数估计误差。仿真实验表明,相比于交互式多模型扩展卡尔曼滤波(IMM-EKF)和交互式多模型无迹卡尔曼滤波(IMM-UKF),提出的IMM-RKF算法能够提高组合导航系统姿态、速度和位置估计精度。

关 键 词：移动机器人 秩滤波  交互式多模型 组合导航

分 类 号：U666.1]