改进的强跟踪SVD-UKF算法在组合导航中的应用

• 作者: 孙磊 李越 黄国勇
• 来源期刊: 计算机工程与应用
• 学科: 航空航天
• 关键词: 无迹卡尔曼滤波(UKF) 奇异值分解(SVD) 强跟踪 渐消因子 组合导航
• 年，卷（期）: 2017,（10）
• 页码范围: 225-229,240
• 页数: 6页
• 分类号: V249.32+8
• 字数: 5486字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1511-0335

摘要

针对无迹卡尔曼滤波(Unscented Kalman Filter,UKF)在系统强非线性或状态模型不精确的情况下,存在滤波精度降低甚至发散的问题,提出一种改进的强跟踪SVD-UKF算法.该算法采用奇异值分解(Singular Value Decom-position,SVD)的方法改进UKF中状态协方差矩阵的迭代,保证协方差矩阵的非负定性及迭代的稳定性;算法基于强跟踪滤波(Strong Tracking filter,STF)理论框架,对改进的SVD-UKF引入多重渐消因子自适应调整状态协方差矩阵,在系统状态发生突变的情况下,实现系统真实状态的强跟踪.将该算法在BDS/INS组合导航中仿真验证,结果表明了该算法的有效性.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	黄国勇	昆明理工大学信息工程与自动化学院	54	195	7.0	12.0
5	李越	昆明理工大学信息工程与自动化学院	6	8	2.0	2.0
7	孙磊	昆明理工大学信息工程与自动化学院	9	39	3.0	6.0