H∞鲁棒自适应CKF算法在组合导航中的应用

• 作者: 吴建德 孙磊 梁新宇 黄国勇
• 来源期刊: 计算机工程与应用
• 学科: 工学
• 关键词: 奇异值分解 简化的容积卡尔曼滤波 H∞滤波 自适应优化 GNSS/INS组合导航
• 年，卷（期）: 2018,（9）
• 所属期刊栏目: 工程与应用
• 页码范围: 251-256
• 页数: 6页
• 分类号: TP391
• 字数: 4977字
• 语种: 中文
• DOI: 10.3778/j.issn.1002-8331.1612-0036

摘要

针对组合导航系统状态模型及噪声统计特性不确定的情况下,标准容积卡尔曼滤波(Cubature Kalman Fil-ter,CKF)算法鲁棒性差,导致滤波精度下降甚至出现滤波发散的问题,提出一种H∞鲁棒自适应CKF算法.该算法基于标准的三阶CKF算法理论框架,在观测方程为线性的条件下,对其量测更新进行了简化,并引入数值稳定性较强的奇异值分解(Singular Value Decomposition,SVD)对系统状态协方差阵进行分解迭代,改善了计算的数值稳定性;在系统状态协方差阵更新过程中引入H∞滤波思想,并基于矩阵不等式的理论,对其约束条件γ进行了自适应选取,进一步改善了滤波的稳定性,提高了系统的鲁棒性.将该算法用于GNSS/INS组合导航的数值仿真实验,结果验证了该算法的有效性和优越性.

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
3	吴建德	昆明理工大学信息工程与自动化学院	53	158	7.0	10.0
9	孙磊	昆明理工大学信息工程与自动化学院	9	39	3.0	6.0
11	梁新宇	昆明理工大学信息工程与自动化学院	1	2	1.0	1.0