改进的CKF在SINS/GPS组合导航中的应用

黄春梅，　王　杰，　邹慧莹

(长春工业大学 计算机科学与工程学院， 吉林 长春　130012)



改进的CKF在SINS/GPS组合导航中的应用

黄春梅，王杰，邹慧莹

(长春工业大学 计算机科学与工程学院， 吉林 长春130012)

摘要：为了降低动态扰动误差对容积卡尔曼滤波(Cubature Kalman Filter, CKF)精度的影响，采用新息自适应估计(Innovation-based Adaptive Estimation, IAE)理论构造改进的CKF滤波模型，利用新息序列在线估计和修正噪声统计特性，自适应地调整量测噪声。通过SINS/GPS组合导航系统对标准CKF与改进的CKF进行仿真验证，结果表明,改进的CKF算法能够在一定程度上提高组合导航系统对不同随机噪声的适应能力，有效地降低了滤波误差，提高了解算精度。

关键词：容积卡尔曼滤波； SINS/GPS组合导航； 非线性系统； 自适应滤波

0引言

在组合导航系统中，提高导航定位的解算精度是导航领域的关键问题。由于SINS/GPS组合导航系统的状态方程在直接滤波算法中具有非线性形式，所以常规的卡尔曼滤波算法已不再适用[1]。因此，扩展卡尔曼滤波(Extend Kalman Filter, EKF)、无迹卡尔曼滤波(Unscented Kalman Filter, UKF)、粒子滤波(Particle Filter, PF)等非线性滤波方法被相继提出。EKF算法实现简单、应用广泛，但是计算量大，且滤波结果易发散。UKF采用UT变换，克服了EKF的局限性，但在高维非线性系统中，缺乏对异常扰动的自适应调节能力[2]。CKF将基于Bayesian理论的非线性滤波归结于求解非线性函数与高斯概率密度乘积的积分问题，相比EKF、UKF滤波方法，CKF具有更好的滤波性能，适用于SINS/GPS组合导航非线性滤波的要求[3]。

CKF是在状态变量和量测变量符合相互独立的高斯分布前提下得到的，它导出了状态变量的预测密度函数和滤波密度函数。……