一种基于两阶段无偏伪线性卡尔曼滤波的无人机目标定位方法

本发明将噪声和真值分离的思想融入PLKF框架，提出了一种基于两阶段无偏伪线性卡尔曼滤波的无人机目标定位方法(2S‑UPLKF)。第一阶段基于EKF的角度估计可以在无人机远距离跟踪时有效解耦噪声干扰，为系统提供鲁棒的初始状态。第二阶段构建噪声‑真值分离机制，从原理层面消除伪线性方程中观测矩阵与噪声的相关性。本方法不仅继承了伪线性滤波计算高效的优势，更通过两阶段协同优化实现了动态跟踪过程中偏差的主动抑制。理论分析与仿真实验表明，相较于其他非线性滤波算法，在强非线性观测、大角度噪声和远距离观测等极端条件下仍能有效抑制误差波动，具有更优的跟踪性能。