北斗導(dǎo)航型接收終端簡(jiǎn)化型穩(wěn)健平方根容積卡爾曼濾波.pdf

1、本文圍繞著降低動(dòng)態(tài)定位中算法復(fù)雜度、減少計(jì)算量、提升計(jì)算效率；解決動(dòng)態(tài)定位模型不匹配、使用單一模型誤差較大；解決動(dòng)態(tài)定位中狀態(tài)噪聲和量測(cè)噪聲為非高斯白噪聲的影響三類問(wèn)題展開研究。主要內(nèi)容和創(chuàng)新點(diǎn)如下：
　　1.基于衛(wèi)星導(dǎo)航的載體狀態(tài)方程為線性，且穩(wěn)健平方根容積卡爾曼(Square root Cubature Kalman Filtering—SCKF)在狀態(tài)更新時(shí)其容積點(diǎn)經(jīng)狀態(tài)轉(zhuǎn)移矩陣傳遞后的加權(quán)和為零，則可使用標(biāo)準(zhǔn)KF算法進(jìn)行狀

2、態(tài)更新，量測(cè)更新過(guò)程仍采用SCKF；本文提出了簡(jiǎn)化型穩(wěn)健平方根容積卡爾曼算法(Simplified SCKF，簡(jiǎn)稱 SSCKF)。該算法旨在解決動(dòng)態(tài)導(dǎo)航定位計(jì)算量大、效率低的問(wèn)題。仿真及實(shí)測(cè)數(shù)據(jù)表明SSCKF與SCKF精度相當(dāng)，而解算時(shí)間較SCKF算法降低25％左右，能有效地降低算法復(fù)雜度，提升算法效率。
　　2.基于SSCKF，結(jié)合變維交互多模思想，本文提出了簡(jiǎn)化型穩(wěn)健平方根容積卡爾曼變維交互多模算法。該算法針對(duì)常規(guī)交互多模模型

3、集覆蓋不全面及模型數(shù)目過(guò)多導(dǎo)致的模型競(jìng)爭(zhēng)等問(wèn)題，將不同維數(shù)的模型交互，如勻速模型和勻加速模型，同時(shí)進(jìn)行并行濾波，并由二者的量測(cè)殘差計(jì)算出相應(yīng)的似然函數(shù)，更新兩種模型濾波結(jié)果所占的權(quán)重，將最終加權(quán)和作為整個(gè)變維模型的結(jié)果輸出；下一時(shí)刻子模型的狀態(tài)輸入值不采用其自身上一時(shí)刻濾波結(jié)果，而是采用變維交互模型整體輸出結(jié)果乘以維數(shù)轉(zhuǎn)換矩陣得到的值，這樣就能保證各時(shí)刻的狀態(tài)輸入值的準(zhǔn)確性。
　　3.針對(duì)動(dòng)態(tài)導(dǎo)航過(guò)程中，狀態(tài)噪聲和量測(cè)噪聲一般呈現(xiàn)