在同时定位与地图构建（simultaneous localization and mapping, SLAM）框架下,针对移动机器人传统滤波算法在非高斯噪声下位姿估计精度低的问题,提出了一种基于迭代无迹卡尔曼滤波（iterative unscented kalman filter, IUKF）和最大相关熵（maximum correntropy, MC）相结合的位姿估计算法（MCIUKF）.利用MC来处理非高斯噪声,构造了基于MC的代价函数,然后利用麦夸尔特法（levenberg-marguardt method, LM）对该代价函数进行优化,在此基础上推导了状态和协方差的迭代更新过程,改进了IUKF的更新步骤。仿真结果表明,在非高斯噪声环境下,该算法与传统的滤波算法相比具有更好的估计精度,并具有良好的稳定性。

国家自然科学基金资助项目（62073232,61973226）；

1 问题描述
1.1 移动机器人运动模型
1.2 移动机器人观测模型
2 相关工作
2.1 相关熵理论
2.2 MCUKF算法
3 位姿估计算法(MCIUKF)
4 算法实现
4.1 数据关联
4.2 状态向量增广
4.3 程序伪代码
5 仿真分析
5.1 仿真环境设置
5.2 仿真结果分析
5.2.1 误差与稳定性分析
5.2.2 时间复杂度分析
6 结束语

李志鹏,程兰,王志飞,阎高伟.卡尔曼滤波框架下基于最大相关熵的移动机器人位姿估计[J].太原理工大学学报,2021,52(06):936-944.DOI:10.16355/j.cnki.issn1007-9432tyut.2021.06.012.