关联概率密度加权重力异常UKF滤波匹配导航算法

摘要：

无味卡尔曼滤波(UKF)是一种通过采样来近似非线性分布,从而对非线性问题进行次优估计的滤波方法.利用实时观测得到的重力异常以及航行区域参考重力异常图,可以建立基于重力异常的UKF滤波匹配导航算法,以此校正惯性导航系统的漂移误差.针对选取与UT变换相同权系数来求取预测观测值而可能导致求得的预测观测值为伪观测值的问题,提出了利用关联概率密度函数对采样观测值进行加权的重力异常UKF滤波匹配导航算法.通过对某实验区域的实验进行计算分析,结果表明,基于关联概率密度加权重力异常UKF滤波算法能够克服传统加权预测观测值带来伪观测信息的问题,将惯性导航系统经纬向漂移误差降低至1.1 n mile以内,均优于传统加权算法和纯惯性导航系统的定位精度.

关键词：关联概率密度、重力异常、无味卡尔曼滤波、加权、非线性

所属期刊栏目：32

分类号：P223(大地测量学)

资助基金：国家自然科学基金项目41274029;国家863计划项目2013AA122502;信息工程大学地理空间信息学院硕士学位论文创新与创优基金资助S201407

在线出版日期：2016-06-01（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：349-352,356