《表3 算法单步耗时比较》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于自适应SRUKF的无人机位姿预测方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

图3为无人机真实路径以及在两种滤波器中的预测路径，其中，改进值和真实路径基本拟合，而初始值波动较大，在转弯等大机动状况下尤为明显。从图4到图6可以看出，改进值与初始值在初始阶段性能基本相似，位移误差、线速度误差和姿态角误差基本一致。但是，在复杂加性时变噪声环境中，初始值的精度随着时间推移逐渐降低，并且最大位移误差接近0.4m，速度误差极值也超过0.4m/s。姿态角误差与位移变化量有关，虽然总体都比较小，但传统算法在时变噪声干扰下波动较强，且最大误差角接近5°。又初始值都以初始误差最大者滤波品质最差，说明其受误差累积影响较大，初始误差与滤波精度成反比；而改进滤波效果则相对稳定，波动起伏相对较弱，且位移误差都在0.1 m以内，速度误差都在0.1m/s以内，稳定姿态角误差都小于0.5°。其位移精度相对提高4倍，速度精度相对提高4倍，姿态角精度提高超过6倍。说明改进滤波对于复杂加性时变噪声具有更好的抑制作用，即鲁棒性更强，且受初始误差影响较小，能提供更加精确、稳定的姿态预测信息，更适用于现实操作环境。表2为算法100次仿真单步平均消耗时间，从两种算法时间消耗对比可以看出，采用改进滤波更节约时间，相对原始滤波减少了大约38.8%的时间，对于实时性要求极高的无人机自主导航具有很好的借鉴作用。