改进的CKF算法及其在BDS/INS中的应用

• 作者: 杨宗举 黄国勇
• 来源期刊: 传感器与微系统
• 学科: 工学
• 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
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 应用技术
• 页码范围: 156-160
• 页数: 5页
• 分类号: TH165.3
• 字数: 4098字
• 语种: 中文
• DOI: 10.13873/J.1000-9787(2016)12-0156-05

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.