摘要：为了降低车辆状态估计过程中历史量测数据误差的影响,提出一种限定记忆随机加权扩展卡尔曼滤波(LMRWEKF)算法.首先,建立三自由度非线性车辆动力学模型;其次,将限定记忆滤波与扩展卡尔曼滤波融合,构成限定记忆扩展卡尔曼滤波;然后,依据随机加权理论,设计服从狄利克雷分布的加权系数来进一步提高滤波估计精度;最后,建立Carsim与Matlab/Simulink联合仿真平台,并进行了高附着系数和低附着系数2种不同工况下的仿真实验.结果表明:相比于标准扩展卡尔曼滤波(EKF)算法,高附着路面仿真工况下,基于LMRWEKF算法估计得到的横摆角速度、质心侧偏角和纵向速度的均方根误差分别降低了60.23%、19.63%、91.57%;低附着路面仿真工况下,基于LMRWEKF算法估计得到的横摆角速度、质心侧偏角和纵向速度的均方根误差分别降低了59.38%、13.92%、94.20%.所提出的LMRWEKF算法能有效抑制噪声波动,提高估计精度.