【摘要】针对传统EKF（TEKF）需要长时间试凑噪声协方差矩阵且噪声特性变化时估算性能下降甚至发散的问题，提出了一种基于极大似然估计准则和有限记忆指数加权的自适应EKF算法（EW-MLE-AEKF）。在使用新息序列进行自适应调整时，系统容易因新息序列的不准确而发散，为此可以利用后验残差序列对噪声矩阵Q和R进行实时调整来提高系统的稳定性。同时在加窗方法的基础上使用了有限内存指数加权算法来提高近期数据的权重，加快了估计的收敛速度。仿真和实验验证了算法在电机系统中的可行性，结果证明该算法避免了噪声矩阵的试凑过程，能够适应噪声的变化，提高了滤波精度且系统稳定性强。