基于最大互相关熵UKF的传感网目标状态和系统偏差联合估计算法

针对空天地一体化传感网络中传感器观测目标时观测噪声具有重尾或突变性质的问题以及系统偏差对目标状态估计的影响,提出一种基于最大互相关熵无迹卡尔曼滤波(MCUKF)的目标状态和系统偏差联合估计(ASMCUKF)算法。MCUKF算法首先通过无迹变换(UT)获得预测状态估计值和协方差矩阵,然后使用基于最大互相关熵准则(MCC)的非线性回归方法重新构建观测信息,增强了UKF对重尾噪声的鲁棒性。ASMCUKF算法通过目标状态向量扩维的方法建立状态方程和带有系统误差的非线性观测方程,根据估计的系统偏差进行偏差配准,改善了系统偏差对目标状态估计的影响。仿真结果表明,ASMCUKF在重尾非高斯观测噪声的环境下对通信目标状态和系统偏差的估计效果比传统方法更好。

最大互相关熵多凸组合自适应滤波算法

基于最大互相关熵准则(MCC)的自适应滤波算法在非高斯噪声环境下具有强鲁棒性,得到了广泛应用。然而,传统MCC滤波算法在选择参数时依然受到收敛速度与稳态精度之间固有矛盾的困扰。为解决这一问题,该文提出一类多凸组合MCC算法,能够充分发挥不同参数组合下滤波算法的性能优势,从而获得更好的信道跟踪能力。理论分析得出了所提算法的均值收敛条件和稳态均方误差,同时,仿真实验表明所提算法在对抗高斯和非高斯噪声时均具有收敛快、稳态精度高的特点。

基于MCC的后端优化方法及其在ORB-SLAM2中的应用

自主定位和环境感知是机器人实现复杂任务的前提,视觉同时定位与建图(VSLAM)技术是有效解决方案。VSLAM中,传感器误差和环境噪声等影响定位和建图精度,造成累计误差。后端优化是VSLAM中消除累计误差的关键环节,现有后端优化算法通常以高斯噪声为前提,属于MSE标准下的后端算法。然而,由于图像的非凸特性和真实场景中产生的非高斯噪声,高斯噪声假设并不总成立,导致现有算法在真实场景中运行时性能下降。鉴于此,利用最大互相关熵(MCC)标准在处理非高斯噪声方面的优势,提出了一种基于MCC标准的后端优化方法,并将所提出方法应用于ORB-SLAM2框架,以测试所提出的方法在定位和建图精度方面的性能。最后,在EuRoC和KITTI公开数据集上进行实验,结果表明,无论是室内还是室外,所提方法在大部分序列中性能优于原ORB-SLAM2中基于Huber的后端优化算法以及基于Cauchy的后端优化算法。