自适应渐消卡尔曼滤波及其在SINS初始对准中的应用

摘要：

卡尔曼滤波常常被用于惯性导航系统初始对准算法,其使用前提是对系统状态进行建模,从而得到比较准确的系统噪声和观测噪声统计特性.在模型失配和观测噪声干扰的情况下,常规卡尔曼滤波会出现精度下降甚至发散,从而影响初始对准精度.针对这一问题,提出了一种新型渐消卡尔曼滤波算法,引入了多重渐消因子对预测误差协方差阵进行调整,设计了基于新息向量统计特性的滤波状态x2检验条件,使渐消因子的引入时机更加合理,算法的自适应性得到增强.将改进的卡尔曼滤波算法应用到惯性导航系统的初始对准问题中,仿真试验和实测数据试验结果表明,与常规渐消因子滤波算法相比,新算法可以有效提高滤波精度及鲁棒性.

关键词：卡尔曼滤波、惯性导航系统、初始对准、自适应渐消滤波、滤波状态检验

所属期刊栏目：43

分类号：P228(大地测量学)

资助基金：国家自然科学基金41574069,41404002,61503404

在线出版日期：2018-12-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：1667-1672,1680