Adaptive Fading Bayesian Unscented Kalman Filter and Smoother for State Estimation of Unmanned Aircraft Systems
Adaptive Fading Bayesian Unscented Kalman Filter and Smoother for State Estimation of Unmanned Aircraft Systems
复制标题
用于无人机系统状态估计的自适应衰落贝叶斯无迹卡尔曼滤波器和平滑器
DOI：
10.1109/access.2020.3004804
复制
发表时间：
2020
期刊：
影响因子：
3.9
通讯作者：
Chan Shing-Chow
中科院分区：
文献类型：
--
作者：
Liu Zhong;Chan Shing-Chow
提出了一种自适应衰减贝叶斯无迹卡尔曼滤波器（AF-BUKF），并探讨了其在无人机系统（UAS）状态估计中的应用。在AF-BUKF中，状态和噪声密度近似为有限高斯混合，其中每个分量的均值和协方差使用UKF递归估计。为了避免混合分量指数增长带来的计算复杂度过高，采用了高斯混合简化算法。此外，AF-BUKF算法采用了一种新的自适应衰落策略，递归更新的高斯分量，使不准确的知识的状态和测量噪声协方差的不利影响，可以减轻。通过引入最优贝叶斯平滑和Rauch-Tung-Striebel平滑的概念，对AF-BUKF算法进行扩展，提出了一种AF-BUK平滑算法（AF-BUKS），以提高估计精度。仿真和真实的UAS数据的实验结果表明，与传统方法相比，本文提出的AF-BUKF/S算法具有更好的性能。因此，他们可以作为有吸引力的替代方法的非线性状态估计的UAS和其他问题。
This paper proposes an adaptive fading Bayesian unscented Kalman filter (AF-BUKF) and explores its application for state estimation of unmanned aircraft systems (UASs). In the AF-BUKF, the state and noise densities are approximated as finite Gaussian mixtures, in which the mean and covariance for each component are recursively estimated using the UKF. To avoid the prohibitive computational complexity caused by the exponential growth of mixture components, a Gaussian mixture simplification algorithm is employed. Moreover, the AF-BUKF algorithm employs a novel adaptive fading strategy to recursively update the Gaussian components, so that the adverse effect of inexact knowledge of the state and measurement noise covariance can be mitigated. An AF-BUK Smoother (AF-BUKS) is also proposed by extending the AF-BUKF algorithm using the concept of optimal Bayesian smoothing and the Rauch-Tung-Striebel Smoother to improve estimation accuracy. Experimental results on simulated and real UAS data show that the proposed AF-BUKF/S algorithms can achieve better performance compared with the conventional methods. Thus, they can serve as attractive alternative approaches for nonlinear state estimation of UASs and other problems.
登录
查看更多内容
影响因子：
3.2
作者：
Kwang-Hoon Kim;G. Jee;Jong-Hwa Song
通讯作者：
Kwang-Hoon Kim;G. Jee;Jong-Hwa Song
DOI：
10.1109/icca.2010.5524326
发表时间：
2010-06
期刊：
IEEE ICCA 2010
影响因子：
--
作者：
L. Wang;Yuan Li;Huayong Zhu;Lincheng Shen
通讯作者：
L. Wang;Yuan Li;Huayong Zhu;Lincheng Shen
DOI：
10.1109/9780470544334.ch9
发表时间：
2001
期刊：
Comput. Electron. Agric.
影响因子：
--
作者：
T. Başar
通讯作者：
T. Başar
DOI：
10.1109/eusipco.2016.7760287
发表时间：
2016-08
期刊：
2016 24th European Signal Processing Conference (EUSIPCO)
影响因子：
--
作者：
Zhong Liu;S. Chan;Ho-Chun Wu;Jiafei Wu
通讯作者：
Zhong Liu;S. Chan;Ho-Chun Wu;Jiafei Wu
DOI：
10.1117/12.542325
发表时间：
2004-08
期刊：
--
影响因子：
--
作者：
Jason L. Williams;P. Maybeck
通讯作者：
Jason L. Williams;P. Maybeck