Resumen

La banda ultraancha (UWB) es muy adecuada para el posicionamiento en interiores debido a su alta resolución y buena penetración a través de los objetos. El modelo de observación del posicionamiento UWB es no lineal. Como uno de los algoritmos de filtrado no lineal, el filtro de Kalman extendido (EKF) se utiliza ampliamente para estimar la posición. En aplicaciones prácticas, la estimación dinámica está sujeta a los valores atípicos causados por errores gruesos. Sin embargo, el EKF no puede resistir el efecto de los errores gruesos. La innovación será anormalmente grande y el rendimiento y la fiabilidad del algoritmo de filtrado se verán inevitablemente afectados. En este estudio, se propone un método EKF robusto (REKF) acompañado de una prueba de hipótesis y una estimación robusta. Para juzgar la validez del modelo, se aplica la prueba global basada en la distancia de Mahalanobis para evaluar si el término estadístico de la prueba supera el umbral de detección de valores atípicos. Para reducir y eliminar los efectos del valor atípico individual, se realiza la estimación robusta utilizando el esquema III del Instituto de Geodesia y Geofísica de China (IGGIII) basado en la prueba local del residuo normalizado. Mientras tanto, se expresan tres tipos de modelos estocásticos para los valores atípicos mediante el modelado de las distribuciones contaminadas. Además, se realizan experimentos de simulación y medición para verificar la eficacia y viabilidad del REKF propuesto para resistir los valores atípicos. Los resultados de los experimentos de simulación demuestran que se pueden detectar los valores atípicos de los tres tipos de distribuciones contaminadas. El REKF propuesto puede controlar eficazmente las influencias de los valores atípicos tratados como errores sistemáticos y errores aleatorios de gran varianza. Cuando los valores atípicos proceden de una distribución de cola gruesa, la estimación robusta no desempeña ningún papel, y los REKF son equivalentes al método EKF. Los resultados de los experimentos realizados muestran que los valores atípicos se generan en un entorno sin línea de visión y que su impacto es anormalmente grave. La estimación robusta puede proporcionar residuos optimizados relativamente fiables y controlar las influencias de los valores atípicos causados por errores groseros. Podemos creer que el REKF propuesto es eficaz para resistir los efectos de los valores atípicos y mejora la precisión del posicionamiento en comparación con el método de mínimos cuadrados (LS) y el EKF. Además, el filtro adaptativo y el modelo de error de alcance deben considerarse para compensar los errores del modelo de estado y los errores sistemáticos de alcance, respectivamente. De este modo, los valores atípicos de medición se detectarán más correctamente y la estimación robusta se utilizará de forma eficaz.

• Materias:Matemáticas Análisis Matemático Álgebra Ingeniería Matemática aplicada Lógica matemática
• Subjects:mathematics Mathematical Analysis Algebra Engineering Applied Mathematics Mathematical logic
• Palabras claves:valores atípicos, estimación robusta, rekf, errores gruesos, método ekf, errores sistemáticos, resultados de experimentos de simulación, algoritmos de filtros no lineales, errores del modelo de estado, ekf
• Keywords:outliers, robust estimation, rekf, gross errors, ekf method, systematic errors, simulation experiment results, nonlinear filter algorithms, state model errors, ekf