| 复杂环境下基于Huber-RKF的移动机器人信息融合算法 |
| |
| 引用本文： | 王磊,程向红,刘纯利,李进,段玉龙.复杂环境下基于Huber-RKF的移动机器人信息融合算法[J].中国惯性技术学报,2019(1):60-65. |
| |
| 作者姓名： | 王磊 程向红 刘纯利 李进 段玉龙 |
| |
| 作者单位： | 1.安徽科技学院电气与电子工程学院;2.东南大学仪器科学与工程学院 |
| |
| 基金项目： | 安徽省自然科学基金(1708085QF146);安徽省科技重大专项(18030901022);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) |
| |
| 摘 要： | 为解决移动机器人组合导航系统中由于存在时变、非高斯噪声而导致的估计精度下降问题,提出一种将秩卡尔曼滤波器(Rank Kalman Filter, RKF)与Huber统计线性回归近似方法相结合的Huber秩卡尔曼滤波算法(Huber-RKF)。RKF与高斯确定点采样型滤波算法结构相似,但它不需要满足高斯分布假设条件,完全利用秩统计量相关原理计算采样点及其权值,适用于非线性、非高斯系统;Huber方法将l1/l2混合范数作为代价函数,通过迭代求得最优估计值,具有较好的鲁棒性;把二者相结合,将Huber最优估计作为RKF算法结构中的量测更新,得到的Huber-RKF算法具有良好的鲁棒性和滤波估计精度。仿真实验中将Huber-RKF与EKF、RKF以及交互式多模型秩卡尔曼滤波器(IMM-RKF)进行比较,其纬度、经度估计误差分别减小了69.5%、75.6%,44%、44.1%,27%、14%;算法实时性方面,Huber-RKF算法中程序循环体单次执行的时间为20.8 ms,比IMM-RKF执行速度快33%。
|
| 关 键 词： | 移动机器人 秩卡尔曼滤波 Huber方法 组合导航 |
Huber-based rank Kalman filtering algorithm for mobile robot in complex environment |
| |
| WANG Lei,CHENG Xianghong,LIU Chunli,LI Jin,DUAN Yulong.Huber-based rank Kalman filtering algorithm for mobile robot in complex environment[J].Journal of Chinese Inertial Technology,2019(1):60-65. |
| |
| Authors: | WANG Lei CHENG Xianghong LIU Chunli LI Jin DUAN Yulong |
| |
| Institution: | (School of Electrical and Electronic Engineering,Anhui Science and Technology University,Bengbu 233100,China;School of Instrument Science and Engineering,Southeast University,Nanjing 210096,China) |
| |
| Abstract: | WANG Lei;CHENG Xianghong;LIU Chunli;LI Jin;DUAN Yulong(School of Electrical and Electronic Engineering,Anhui Science and Technology University,Bengbu 233100,China;School of Instrument Science and Engineering,Southeast University,Nanjing 210096,China) |
| |
| Keywords: | mobile robot rank Kalman filter Huber’s method integrated navigation |
| 本文献已被 CNKI 维普 等数据库收录！ |
|
