自适应SRCKF提升GPS动态定位精度：实测验证与应用

本篇论文深入探讨了自适应SRCKF（平方根容积卡尔曼滤波）在GPS动态单点定位中的应用。GPS动态单点定位是一种常见的位置确定技术，依赖于卫星信号的接收来估计移动设备的位置。在传统的定位方法中，如经典卡尔曼滤波（KF）、扩展卡尔曼滤波（EKF）和容积卡尔曼滤波（CKF）可能存在局限性，如线性假设的不适用性、线性化误差以及高维状态下的数值稳定性问题。 SRCKF作为一种改进的滤波器，它在CKF的基础上引入了平方根变换，能够更好地处理非线性系统中的状态估计问题。相比于UKF（无迹卡尔曼滤波），SRCKF避免了部分Sigma点权值为负导致的数值不稳定，同时也简化了参数设置和采样策略的选择。该论文特别关注了在实际GPS定位中，由于载体运动状态的复杂性和不确定性，可能导致状态函数与理想模型存在偏差，这可能对滤波性能产生负面影响。 作者提出了一种结合预测残差统计量的自适应因子和最优自适应因子的策略，以调整预测信息在滤波中的权重。这种自适应策略可以动态地应对不同环境和运动条件下的滤波误差，提高了滤波算法的鲁棒性和准确性。通过将SRCKF和自适应因子引入，文章旨在提高GPS动态单点定位的精度和稳定性，减少由于模型不匹配引起的误差。 论文的实验部分利用航摄飞机实测的GPS动态观测数据进行了验证，结果显示自适应SRCKF在处理这类GPS数据时表现出显著的优势，有效地提高了定位精度，并在实际应用中展示了其优越的性能。因此，该研究对于GPS定位技术的进一步发展和实际导航系统的设计具有重要意义。