基于鲁棒AFCKF的无人车多源组合导航方法

作者：宋迎春; 冯抗洪; 崔先强^*

来源：中国惯性技术学报, 2023, 31(12): 1203-1219.

DOI：10.13695/j.cnki.12-1222/o3.2023.12.006

• 多源组合导航
• 联邦容积卡尔曼滤波
• 鲁棒估计
• 自适应信息分享因子

针对无人车进行多源信息融合时部分传感器失效或量测异常导致定位精度下降甚至无法定位的问题，提出了一种鲁棒自适应联邦容积卡尔曼滤波（AFCKF）算法。首先，在子滤波器中将Huber方法与容积卡尔曼滤波相结合，并基于马氏距离实时调整Huber方法中的调节因子，提高了子滤波器的估计精度和鲁棒性。其次，在信息融合中，基于预测状态残差以及量测残差的二次型引入一种自适应信息分享因子计算方法，减小了子滤波器不准确估计对主滤波器信息融合的影响。最后，对所提方法进行了仿真实验。仿真实验结果表明，相比于传统的联邦容积卡尔曼滤波和基于Huber方法的联邦容积卡尔曼滤波，所提方法的平均定位精度分别提高了77.84%和17.20%，平均速度精度分别提高了63.25%和9.30%。

• 单位
  中南大学; 伊犁师范大学; 物理学院