基于稳健MM估计的REKF RAIM算法

基于鲁棒扩展卡尔曼滤波(robust extended Kalman filter,REKF)的接收机自主完好性监测(receiver autonomous integrity monitoring,RAIM)对双星故障模式的检测及识别效果相对较差,尤其当故障矢量具有较高的空间一致性时,M估计的稳健性会受到极大破坏。针对这一问题,提出基于稳健MM估计的REKF RAIM算法,MM估计是兼具高崩溃污染率和高估计效率的两步抗差估计方法,首先采用具有高崩溃污染率的最小截断二乘(least trimmed squares,LTS)估计获得稳健性高的迭代初值和尺度参数,然后采用IGG III方案得到最终的参数估计值,并设计一种基于特征斜率的快速选星方法降低LTS估计的计算量。仿真结果表明,相比于基于M估计的REKF,MMREKF在双星故障模式下具备更高的稳健性,对双星故障模式有更好的检测与识别能力。