UAV state estimation based on mixture generalized minimum error entropy smooth variable structure filter

Yuzhao Jiao

doi:10.1016/j.asr.2025.07.041

UAV state estimation based on mixture generalized minimum error entropy smooth variable structure filter

2025-07-18

0

PRE

AI

DOI：10.1016/j.asr.2025.07.041

原文链接

原文求助

摘要

En 中文

无人机的强机动性和雷达测量噪声的非高斯特性会降低依赖精确运动模型和高斯测量噪声假设的状态估计方法的准确性，可能导致滤波器发散。为解决运动模型不确定和非高斯噪声下的无人机状态估计挑战，本文提出了一种基于混合广义最小误差熵平滑变结构滤波器（MGMEE-SVSF）的新型状态估计方法。运动模型参数的不确定性误差通过时变平滑边界层（SBL）进行量化。当SBL误差范数超过设定阈值时，位置通过混合广义最小误差熵（MGMEE）的增益迭代进行更新；否则，通过计算复杂度较低的平滑变结构滤波器（SVSF）增益进行更新。最后，将所提算法与扩展卡尔曼滤波器（EKF）、最小误差熵（MEE）、MGMEE和SVSF进行了多种场景下的对比。具体而言，这些比较在无人机转弯和混合运动条件下，同时考虑高斯和非高斯测量噪声情况。结果表明，所提出的态估计算法相比其他方法具有更好的鲁棒性和更低的跟踪误差。

Keyword:

UAV state estimation

non-Gaussian noise

Mixture Generalized Minimum Error Entropy

Smooth Variable Structure Filter

uncertain motion models

UAV state estimation based on mixture generalized minimum error entropy smooth variable structure filter

摘要

期刊

机构

引用论文