摘要： 针对传统的卡尔曼滤波算法在进行汽车行驶状态估计时噪声协方差不准确的问题，构建了基于车辆纵向车速、质心侧偏角和横摆角速度的3自由度模型，以扩展卡尔曼滤波（EKF）为例，分析不准确噪声协方差对滤波估计性能的影响，提出一种基于粒子群算法的噪声自适应扩展卡尔曼滤波（P-NAEKF）算法对车辆关键状态进行估计。基于粒子群算法的估计器可对噪声协方差进行准确估计，并将结果嵌入到标准的扩展Kalman滤波算法中实现自适应估计。通过Carsim与Matlab/Simulink联合仿真验证P-NAEKF算法在车辆状态估计时进行估计效果，仿真结果表明：P-NAEKF算法在汽车动态参数估计方面具有优越性。

关键词: 汽车动态参数;噪声自适应扩展卡尔曼滤波;粒子群优化;状态估计;

中图分类号: 

• U463.6