自适应强跟踪AST-ESKF无人车室内导航算法

摘要

针对室内环境下超宽带测量信息异常造成的轨迹预测失真问题,融合无人车惯性导航与超宽带模块,提出了一种自适应强跟踪误差状态卡尔曼滤波算法。首先,针对测量与预测信息的差值异常问题,基于误差状态卡尔曼滤波框架,利用滑动窗算法修正新息矩阵;其次,针对异常误差权值过大问题,根据马氏距离构建测量异常误差判别门限,建立改进的二段胡贝尔(Huber)权函数,有效降低了异常误差的权值;最后,针对导航系统弱跟踪问题,算法利用渐消因子自适应调整状态协方差矩阵。实验结果表明:该方法在保证导航实时性的基础上,与误差状态卡尔曼滤波算法、自适应误差状态卡尔曼滤波算法和无迹卡尔曼滤波算法相比,轨迹平均估计误差分别降低50.0%、40.2%和23.5%,提高了融合系统轨迹预测的准确度。