摘要：针对标准ERTS平滑算法在位置和姿态估计中计算复杂、效率低、精度不高等问题，提出了利用奇异值分解法改进ERTS平滑算法优化位置和姿态数据的新方法。对系统采集到的位置和姿态信息进行前向扩展卡尔曼滤波，降低系统噪声的初步影响；对滤波后的均方误差阵进行奇异值分解，并降低后向递推增益和预测值计算量，提高了预测精度，有效增强了系统的抗干扰性和稳定性。Turtlebot移动机器人平台的试验效果证明该算法在位置和姿态估计中的高效性和稳定性。

关键词：扩展卡尔曼滤波 奇异值分解法 最优平滑算法 最优估计 位置跟踪 

单位：西南科技大学信息工程学院 四川绵阳621010