改进的CKF算法及其在BDS/INS中的应用

摘要：

针对标准容积卡尔曼滤波(CKF)在组合导航系统模型不确定情况下滤波精度下降甚至发散的问题,将奇异值分解(SVD)与CKF算法相结合,并引入强跟踪滤波(STF)理论,提出一种改进的强跟踪SVD-CKF算法.为提高数值计算的稳定性,采用SVD代替标准CKF中的Cholesky分解;引入STF理论框架,通过渐消因子对预测误差协方差阵进行在线修正,在系统模型不确定或系统发生大的突变时,能够提高系统的强鲁棒性.通过仿真结果验证了改进算法的有效性.

关键词：容积卡尔曼滤波、奇异值分解、强跟踪滤波、渐消因子、组合导航

所属期刊栏目：35

分类号：TH165.3

资助基金：国家自然科学基金资助项目61663017;云南省重大科技专项项目2015ZC005

在线出版日期：2017-03-31（万方平台首次上网日期，不代表论文的发表时间）

页数：共5页

页码：156-160