摘要：水面移动机器人系统的高性能航迹跟踪控制要求能够获取高精度的运动状态和不确定性信息（包括内部不确定参数和外部干扰），而直接高精度测量手段的匮乏，以及数学模型的强非线性、耦合性使得如何得到这些信息存在着种种困难。针对此问题，提出利用一种结合基于奇异值分解无色卡尔曼滤波（Singular value decomposition unscented Kalman filter, SVDUKF）算法和加速度测量的新估计算法。SVDUKF方法是无色卡尔曼滤波（Unscented Kalman filter,UKF）的一种改进方法，具有更宽松的使用条件。此外，该方法的最大优点在于将UKF算法处理系统强非线性和加速度信号富含扰动信息并可简化系统估计模型等特点结合起来，从而获得了一种精度更高、计算复杂度更低的在线估计算法。从推导水面移动机器人系统非线性模型开始，简要介绍加速度信号对模型的简化原理以及SVDUKF算法的基本步骤，并通过仿真验证了算法在估计精度和计算效率方面的优越性。

关键词：加速度 无色kalman滤波 计算复杂度 状态估计 

单位：中国科学院沈阳自动化研究所机器人学国家重点实验室 110016 中国科学院研究生院 北京100049