无迹卡尔曼滤波算法(UKF)在飞机定位和跟踪的过程中精度不够,原因在于误差变量的偏度和峰态在坐标转换过程中对其分布影响很大。为了解决这一问题,将高阶无迹卡尔曼滤波算法应用到 QAR 数据中。首先,根据高阶 UT 变换,选取一组样本点(sigma 点)表征 k 时刻最优估计值前四阶矩的分布特征,通过传递得到 k +1时刻一步预测值的先验概率分布。然后以观测数据作为量测值,带入滤波算法得到 k +1时刻飞机状态的最优估计值。最后根据计算机产生的模拟噪声数据和真实的 QAR 数据实现飞机定位的仿真验证。从仿真结果看,高阶无迹卡尔曼滤波算法比无迹卡尔曼滤波精度更高,误差更小,对 QAR 数据中其他类型的数据形式有一定的借鉴意义。