摘要：针对微机电系统（MEMS）惯性传感器应用卡尔曼滤波（KF）处理数据时随机噪声难以估计的缺点,提出一种基于贝叶斯拉普拉斯卡尔曼滤波（BLKF）的随机噪声更新方法。该方法利用拉普拉斯近似算法,将贝叶斯边缘分布近似表示,能够避免贝叶斯方法更新过程中由于数据维数较大造成后验边缘分布较难估计的情况,提高对随机噪声的更新效率和精度。通过陀螺仪转台实验采集实验数据,运用KF与BLKF分别滤波。对比滤波结果可发现,BLKF比KF能更好地反映真实角速度状态。同时,在陀螺仪角速度变化时,BLKF的可靠性和准确性更高,滤波效果更具优势,能够达到抑制MEMS惯性传感器随机噪声的目的。
分类：期刊> 自然科学与工程技术> 工程科技II> 航空航天科学与工程
收录：北大期刊(中国人文社会科学期刊) > CSCD 中国科学引文数据库来源期刊(含扩展版) > 统计源期刊(中国科技论文优秀期刊) > 知网收录(中) > 维普收录(中) > 万方收录(中) > EI 工程索引(美) > CA 化学文摘(美) > JST 日本科学技术振兴机构数据库(日) > 国家图书馆馆藏 > 上海图书馆馆藏
关键词：惯性导航 贝叶斯 拉普拉斯 随机噪声
注：因版权方要求，不能公开全文，如需全文，请咨询杂志社
