文摘针对目前的状态估计算法在面对非线性大批量状态时,存在的误差过大、算法迭代次数过多等问题,通过引入变分推断方法,提出了无人机轨迹的高斯变分推断(gaussian variational inference,GVI)精确估计方法.该方法首先通过提出基于高斯变分推断的损失函数,将状态估计问题转化为利用数据对后验进行近似的问题.然后,采用牛顿式更新以及梯度下降法的思想对损失函数、均值以及协方差矩阵进行优化迭代.使用该算法对无人机的状态以及轨迹进行估计,仿真结果表明,本算法精度较高.同时,本算法与最大后验估计(maximum a posteriori,MAP)算法相比,能够有效降低损失函数值,提高轨迹估计的精确性.
