基于加速度信号增强的无色卡尔曼滤波（Unscented.pdfVIP

基于加速度信号增强的无色卡尔曼滤波（Unscented ** Kalman Filter, UKF ）方法在水面移动机器人中的应用 马玉龙1, 2 1 1 1 何玉庆 韩建达 赵忆文 (1. 中国科学院沈阳自动化研究所,机器人学国家重点实验室 沈阳 110016 ； 2. 中国科学院研究生院 北京 100049) 摘要：水面移动机器人系统的高性能航迹跟踪控制要求能够获取高精度的运动状态和不确定性信息(包括内部不确定参数和外 部干扰) ，而直接高精度测量手段的匮乏，以及数学模型的强非线性、耦合性使得如何得到这些信息存在着种种困难。针对此 问题，提出利用一种结合基于奇异值分解UKF （SVDUKF，Singular Value Decomposition Unscented Kalman filter ）算法和加 速度测量的新估计算法。其中SVDUKF 方法是UKF 的一种改进方法，具有更宽松的使用条件。此外，该方法的最大优点在 于将UKF 算法处理系统强非线性和加速度信号富含扰动信息并可简化系统估计模型等特点结合起来，从而获得了一种精度更 高、计算复杂度更低的在线估计算法。从推导水面移动机器人系统非线性模型开始，简要介绍加速度信号对模型的简化原理 以及SVDUKF 算法的基本步骤，并通过仿真验证了算法在估计精度和计算效率方面的优越性。 关键词：加速度 无色Kalman 滤波 计算复杂度 状态估计 中图分类号：TG156 Acceleration Enhanced Unscented Kalman Filter (UKF) Algorithm and Its Applications on Unmanned Surface Vehicles MA Yulong1, 2 HE Yuqing1 HAN Jianda1 ZHAO Yiwen1 (1. State Key Laboratory of Robotics, Shenyang Institute of Automation, Chinese Academy of Sciences, Shenyang 110016; 2. Graduate School, Chinese Academy of Sciences, Beijing 100049) Abstract ：High-performance control of unmanned surface vehicle (USV) trajectory tracking requires the systems to obtain motion state and uncertainty with high precision. However, the lack of direct highly precise measuring methods and the strong nonlinearity and coupling, make it difficult to obtain the information needed. As to solve this problem, a kind of novel estimation algorithm is proposed, which combines Singular Value Decomposition Unscented Kalman Filter (SVDUKF) with acceleration measurement together. SVDUKF is an improved algorithm of