一种用于鲁棒 GPS/INS 车辆定位的变分贝叶斯最大相关熵扩展卡尔曼滤波

《IEEE Open Journal of Vehicular Technology》：A Variational Bayesian Maximum Correntropy Extended Kalman Filter for Robust GPS/INS Vehicle Localization

　　

摘要：

本文提出了一种新型变分贝叶斯最大相关熵扩展卡尔曼滤波器，用于户外车辆定位应用中鲁棒的GPS/惯性导航系统集成。所提方法解决了现实导航系统中的两个关键挑战：时变传感器噪声特性以及过程（IMU）和量测（GPS）异常值。通过将变分贝叶斯近似对噪声协方差估计的自适应性与最大相关熵准则对异常值拒绝的鲁棒性相结合，所提方法在性能上优于传统方法。误差状态表示法有效地处理了姿态表示的非线性特性，同时保持了计算上的可行性。基于真实世界数据集的大量实验验证表明，所提方法在估计精度方面有显著提升。结果表明，该方法在所有三个轴上均实现了亚米级定位精度（在未知量测噪声协方差条件下为0.354–0.445米，在GPS异常值期间为0.322–0.506米），同时能有效应对渐进式传感器退化和突发量测异常。所提滤波器对GPS异常值表现出尤为优异的鲁棒性，在传统滤波器出现明显性能下降时仍能保持稳定的估计性能，使其非常适合在复杂环境下进行车辆导航。