一种基于DBN噪声协方差预测的抗扰动姿态估计方法

本发明公开了一种基于DBN噪声协方差预测的抗扰动姿态估计方法，不采用一个定值来代替MEKF中的测量噪声协方差矩阵，而是利用DBN网络可输出方差与均值的特性，预测卡尔曼滤波步骤中的量测协方差矩阵，使得噪声协方差具有非高斯形式，克服了传统滤波过程中传感器量测噪声协方差不准导致的误差问题。同时，得益于贝叶斯网络的自适应学习能力，使得卡尔曼滤波有了更强的抗干扰能力，在MEKF滤波过程中对于卡尔曼增益计算更加有效。该方法通过融合动态贝叶斯网络与卡尔曼滤波，提供了一种拥有可以适应非高斯量测噪声，抗干扰能力更强，滤波结果更加准确的姿态估计方法。