基于粒子群优化的无声卡尔曼滤波自适应调谐：用于惯性-GPS 传感器融合系统
新兴技术
2026-01-06 v1
摘要
准确的车辆定位需要有效的 IMU-GPS 融合，但现有方法（EKF、UKF、ML、GA、DE）在非线性、不稳定或计算成本高方面存在不足。本研究引入基于粒子群优化（PSO）的自适应调谐框架，用于优化无声卡尔曼滤波（UKF）参数（、、、Q、R），在 CARLA 0.9.14 上的评估使用 Tesla Model 3 在多种机动和环境条件下。参数范围内，收敛在 15 代内稳定，实现对手动调谐的 82.14% 精度提升，并将 IMU 漂移降低最高可达 21,606.59m。多试验统计验证确认一致的收益伴随低置信区间。维持更新时间低于 10ms 实时阈值，PSO 调谐的 UKF 在动态、GPS 受限条件下显示出实用的定位性能。
关键词
引用
@article{arxiv.2601.01578,
title = {Adaptive Tuning of the Unscented Kalman Filter using Particle Swarm Optimization for Inertial-GPS Sensor Fusion Systems},
author = {Psyche T. Malabo and Bobby D. Gerardo},
journal= {arXiv preprint arXiv:2601.01578},
year = {2026}
}