量测噪声自适应平方根TCKF姿态数据融合算法

为了提高微电机系统(Micro-Electro-Mechanical Systems, MEMS)器件的姿态解算精度，本文提出了一种量测噪声自适应平方根正交变换容积卡尔曼滤波(Adaptive-Square Root Transformed Cubature Kalman Filter, A-SRTCKF)姿态数据融合算法。该算法对MEMS器件中的加速度计、陀螺仪和磁力计输出的数据进行数据融合，以TCKF作为基础算法，采用QR分解更新误差协方差矩阵的平方根进行滤波运算，并通过渐消记忆Sage-Husa噪声估计方法对量测噪声进行实时估计。实验结果表明，该算法使姿态测量系统的估计误差至少降低了79.6%,不但避免了因误差协方差矩阵非正定导致算法异常终止的情况，而且解决了系统因量测噪声未知造成的状态估计精度急剧下降问题，具有比TCKF和SRTCKF更高的精度和鲁棒性。