一种基于时空约束期望最大化的增强鲁棒状态估计的方法与装置

本发明提供了一种基于时空约束期望最大化的增强鲁棒状态估计的方法与装置，所述方法包括以下步骤：构建基于双态马尔可夫过程的不完全测量模型，对多传感器测量缺失进行时间惯性建模，计算得出测量到达概率；推导测量缺失叠加重尾噪声场景下的后验克拉美罗下界，明确状态估计误差理论下限。以该误差下界作为精度约束，构建修正的变分贝叶斯鲁棒学生t卡尔曼滤波。依托该滤波输出结果修正噪声协方差先验逆尺度矩阵，再对滤波进行同步更新，将滤波更新与先验逆尺度矩阵修正开展交替闭环迭代，迭代过程中实现先验参数与后验分布联动优化，待迭代收敛后，输出状态估计结果，有效提升复杂工况下状态估计的精度与整体鲁棒性。