基于多核相关熵的 IMU 姿态估计：梯度下降方法
系统与控制
2024-02-28 v2 机器学习
系统与控制
信号处理
摘要
本文提出了两种计算高效的惯性测量单元（IMU）姿态估计算法：基于相关熵的梯度下降（CGD）和基于相关熵的解耦姿态估计（CDOE）。传统方法（如梯度下降（GD）和解耦姿态估计（DOE））依赖于均方误差（MSE）准则，使其易受外部加速度和磁干扰影响。为解决此问题，我们证明了当噪声服从一类重尾分布时，多核相关熵损失（MKCL）是最大似然估计（MLE）的最优目标函数。在某些情况下，即使存在任意大的离群值，MKCL 的估计误差也是有界的。通过用 MKCL 替代标准 MSE 代价函数，我们开发了 CGD 和 CDOE 算法。我们在多种情形下将所提方法与现有算法比较以评估其有效性。实验结果表明，所提方法（CGD 和 CDOE）优于其传统对应方法（GD 和 DOE），尤其在面对外部加速度和磁干扰时。此外，新算法相比基于卡尔曼滤波的方法计算复杂度显著降低，使其适用于低成本微处理器的应用。
引用
@article{arxiv.2304.06548,
title = {Multi-kernel Correntropy-based Orientation Estimation of IMUs: Gradient Descent Methods},
author = {Shilei Li and Lijing Li and Dawei Shi and Yunjiang Lou and Ling Shi},
journal= {arXiv preprint arXiv:2304.06548},
year = {2024}
}
备注
16 pages