An Adaptive UKF Algorithm for the State and Parameter Estimations of a Mobile Robot

为改进评价精确性和 unscented Kalman 过滤器(UKF ) 的集中速度，一个新奇适应过滤器方法被建议。在革新大小和他们的相应评价 / 预言的协变性矩阵之间的错误作为费用功能被利用。根据 MIT 规则，一个适应算法被设计由最小化费用功能在网上更新过程无常的协变性。更新的协变性回来被喂进正常 UKF。如此的适应机制被打算补偿过程无常分发的 priori 知识的缺乏并且为活跃状态和参数评价改进 UKF 的表演。这适应 UKF 的 asymptotic 性质被讨论。模拟用一个全向的活动机器人被进行，并且结果与正常 UKF 获得表明它在以前的方法上的有效性和优点的那些相比。