基于极大似然准则的INS/GNSS组合导航自适应UKF滤波算法

为提高INS/GNSS组合系统对过程噪声方差不确定性的鲁棒性,提出一种基于极大似然准则的自适应UKF算法。在该算法中,首先利用新息向量的统计信息构造量测向量的后验概率密度,然后通过极大似然准则在线求取过程噪声方差的估值,并将其反馈至UKF滤波过程,用于调整卡尔曼增益矩阵。提出的算法可以抑制过程噪声方差不确定性对滤波解的影响,克服了UKF的缺陷。仿真结果表明,当过程噪声的标准差增大为其真实值的4倍时,相比于UKF,提出方法的导航精度可至少提高45.5%;相比于ARUKF,其导航精度也可至少提高35.7%。跑车实验结果也验证了提出算法的有效性。

GPS／INS组合中观测噪声方差阵的自适应估计方法研究

在GPS/INS松散组合滤波中,首先利用新息辨别异常的观测量,然后根据选权滤波的思想,通过调节滤波器中观测噪声方差阵改变系统对相应观测信息的信赖度。实验结果表明,改进的滤波算法不仅提高了滤波精度,而且较好地控制了异常点的误差影响。