神经网络辅助的GPS/INS组合导航自适应UKF算法
GPS/I NS组合导航非线性系统最优估计算法中，基于统计信息和假设检验理论的多渐消因子自适应滤波算法的应用前提条件是残差向量为高斯白噪声。本文针对观测异常会影响残差向量的数字特性分布，提出了一种神经网络辅助的多重渐消因子自适应SVD‐UKF算法。该算法采用神经网络算法削弱观测异常对残差序列高斯白噪声分布特性的影响，利用奇异值分解抑制U KF中先验协方差矩阵负定性变化，同时构造多重渐消因子对预测状态协方差阵进行调整，使得不同的滤波通道具有不同的调节能力，高效地应用于多变量复杂系统。最后利用车载实测数据进行了验证。结果表明，神经网络算法极大削弱了观测粗差对残差序列高斯白噪声分布特性的影响，拓展了多重渐消因子的应用范围，使其能在观测值含有粗差的条件下自适应调节不同滤波通道，消除滤波状态中的异常，提高组合导航解的精度和可靠性。
GPS/INS组合导航、不敏卡尔曼滤波、径向基神经网络、多重渐消因子
P228(大地测量学)
国家自然科学基金41174032;新世纪优秀人才支持计划NCET-13-1019;江苏高校优势学科建设工程SZBF2011-6-B35Foundation support:The National Natural Science Foundation of China41174032;Program for New Century Excellent Talents in UniversityNCET-13-1019;Priority Academic Program Development of Jiangsu Higher Education InstitutionsSZBF2011-6-B35
2015-05-18（万方平台首次上网日期，不代表论文的发表时间）
共8页
384-391
