针对复杂海况下无人船位姿估计的精度改善问题,提出一种基于非高斯特征识别和高斯和容积粒子滤波(Gaussian sum cubature particle filter,GSCPF)的无人船位姿估计算法。首先,基于正态性检验思想将无人船位姿测量数据的样本分布函数与...针对复杂海况下无人船位姿估计的精度改善问题,提出一种基于非高斯特征识别和高斯和容积粒子滤波(Gaussian sum cubature particle filter,GSCPF)的无人船位姿估计算法。首先,基于正态性检验思想将无人船位姿测量数据的样本分布函数与标准高斯累积分布函数之间的最大垂直差和样本偏度峰度两种指标进行结合,从多角度分析数据的分布特征;然后,若数据表现为非高斯分布特征,则采用一种基于高斯和与容积粒子滤波结合的无人船位姿估计方法,否则直接使用容积卡尔曼滤波方法来获得无人船的位姿估计;最后,两类仿真实验结果表明,所提算法能明显改善无人船的位置、速度以及航向等参数的估计精度。展开更多
文摘针对复杂海况下无人船位姿估计的精度改善问题,提出一种基于非高斯特征识别和高斯和容积粒子滤波(Gaussian sum cubature particle filter,GSCPF)的无人船位姿估计算法。首先,基于正态性检验思想将无人船位姿测量数据的样本分布函数与标准高斯累积分布函数之间的最大垂直差和样本偏度峰度两种指标进行结合,从多角度分析数据的分布特征;然后,若数据表现为非高斯分布特征,则采用一种基于高斯和与容积粒子滤波结合的无人船位姿估计方法,否则直接使用容积卡尔曼滤波方法来获得无人船的位姿估计;最后,两类仿真实验结果表明,所提算法能明显改善无人船的位置、速度以及航向等参数的估计精度。
