容错CKF算法

异常测量下稳

通过改进故障检测与渐消因子校正，解决强非线性系统在异常测量下滤波发散的问题。

葛泉波 · Ma, Zhongcheng · 陆振宇 · Feng, Xiaoliang

IEEE Transactions on Cybernetics 2024

技术优势

理论闭坑

对容错CKF的滤波性能进行了理论分析，填补了其缺乏合理理论分析的空缺。

检测更准

提出改进的故障检测算法，解决了CKF采样近似偏差对故障检测的影响。

估计更贴近真实

容错CKF的计算MSE与真实MSE的相对接近程度高于标准CKF。

应用场景

• 估计与控制：为强非线性系统的状态估计提供对异常测量的鲁棒性。
• 机器人定位：在传感器异常时维持机器人位姿估计的稳定性。
• 导航系统：提升导航系统在异常测量条件下的滤波可靠性。
• 传感器数据融合：增强多传感器数据融合中对异常测量值的容错能力。