arXiv · 其他
研究提出学习记忆衰减的 Sage-Husa 卡尔曼滤波提升无人机状态估计鲁棒性
无人机在动态环境中常面临遥测中断、结构振动等干扰，导致经典卡尔曼滤波的平稳噪声假设失效。Sage-Husa 卡尔曼滤波虽能在线估计噪声统计量，但其对平稳性的依赖限制了实际效果。这项研究引入学习记忆衰减机制，使滤波器能自适应调整历史信息的权重，从而在非平稳噪声条件下保持状态估计的鲁棒性。实验表明，该方法在真实无人机飞行数据上显著优于传统方案。
- 域名
arxiv.org- 评分
- 4 · 重要更新
- 发布
- 2026-05-18
导读
这条暂时没有深度导读，点上方「访问项目本体」直接到源页面查看。
原文摘要
Unmanned Aerial Vehicles in dynamic environments face telemetry outages, structural vibrations, and regime-dependent noise that invalidate the stationary covariance assumptions of classical Kalman filters. The Sage-Husa Kalman Filter (SHKF) estimates noise statistics online, but its reliance on a s…