本发明属于机器人跟踪领域,具体涉及一种量测随机丢失下基于卡尔曼滤波的机器人跟踪方法;构建量测丢失下的非线性机器人跟踪系统模型,引入服从Gamma分布的辅助参数,将量测噪声先验分布建模为学生t分布,采用服从伯努利分布的随机变量对量测丢失情形的状态空间模型建模,其次将传统量测噪声协方差矩阵定义为修正量测噪声协方差矩阵,并基于变分贝叶斯理论求取非线性系统的状态和待估计参数的近似后验分布,最终输出滤波器估计出的量测丢失概率和滤波结果,本发明能预估量测丢失概率,减小机器人跟踪的性能误差,也减小了跟踪过程中野值干扰的影响。
📄 2022104843383
📂 G05B13_04
👤 重庆邮电大学
📅 2022-05-06