English(EN) Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation

新型自适应卡尔曼滤波器可提高通信中断期间的无人机状态估计能力

作者 PulseAugur 编辑部 · [1 个来源] · 2026-05-18 17:38

研究人员开发了一种新型自适应卡尔曼滤波器，即 N-Deep Recurrent Sage-Husa Filter (NDR-SHKF)，旨在提高无人机 (UAV) 的状态估计能力。该先进滤波器用一个由分层循环网络管理的学习记忆衰减策略取代了传统方法的静态遗忘因子。NDR-SHKF 的架构区分了短期传感器异常和长期动态趋势，从而在遥测中断和不同噪声条件下实现更鲁棒的性能。在模拟混沌吸引子和真实无人机飞行数据上的评估表明，其性能优于现有的自适应估计器和数据驱动方法。 AI

影响通过改善传感器故障期间的状态估计，增强了如无人机等自主系统的鲁棒性。

排序理由该集群包含一篇详细介绍新算法及其评估的学术论文。[lever_c_demoted from research: ic=1 ai=1.0]

在 arXiv cs.LG 阅读 →

AI 生成摘要 · Google Gemini · 来自 1 个来源。我们如何撰写摘要 →

报道来源 [1]

arXiv cs.LG TIER_1 English(EN) · Marcin Żugaj · 2026-05-18 17:38

Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation

Unmanned Aerial Vehicles in dynamic environments face telemetry outages, structural vibrations, and regime-dependent noise that invalidate the stationary covariance assumptions of classical Kalman filters. The Sage-Husa Kalman Filter (SHKF) estimates noise statistics online, but …

报道来源 [1]

Learned Memory Attenuation in Sage-Husa Kalman Filters for Robust UAV State Estimation

相关实体

相关话题