动态导航异常检测：Kalman滤波检验方法分析

"这篇论文探讨了使用Kalman滤波进行异常检测的各种方法，特别是针对动态导航中的观测异常和动力学模型异常。通过预测残差，论文提出了整体检验法，包括以模型为准的观测异常检验、以当前历元可靠观测为基准的异常检验以及基于Kalman滤波估值的异常检验。对于动力学模型异常，提到了状态不符值检验法、基于状态参数Kalman滤波估值的动力学模型异常检验和基于可靠观测的动力学模型误差整体检验。实测数据的检验结果显示，这些异常检测方法能够提高导航数据的精度。" 在动态导航系统中，观测数据的质量对系统的性能至关重要。Kalman滤波是一种广泛应用的估计算法，用于融合不同来源的测量数据并提供最优估计。然而，由于传感器误差、环境干扰或系统故障，观测数据中可能会出现异常值。这些异常值如果不被识别和处理，可能严重影响滤波器的性能，从而降低导航系统的精度。 论文首先介绍了一种基于预测残差的整体检验法。预测残差是Kalman滤波过程中的一个重要概念，它是实际观测值与滤波器预测值之间的差异。通过分析预测残差，可以评估观测数据的准确性。异常检测方法包括： 1. **以模型为准的观测异常检验**：这种方法将滤波模型的预测值作为参考，当观测值显著偏离模型预测时，可能标记为异常。 2. **以当前历元可靠观测为基准的异常检验**：利用之前或之后的可靠观测值作为基准，如果当前观测值与之相差过大，可能存在异常。 3. **基于Kalman滤波估值的异常检验**：利用滤波后的状态估计来判断观测值是否合理。如果观测值与滤波状态的期望值差距过大，可能为异常。 动力学模型异常通常涉及系统动力学模型的不准确或变化。论文提出的检测方法包括： 1. **状态不符值检验法**：通过计算实际状态与滤波器预测状态之间的不符值，如果不符值过大，可能表示动力学模型存在问题。 2. **基于状态参数Kalman滤波估值的动力学模型异常检验**：观察滤波过程中状态参数的变化，异常的动态模型会引发状态参数的不正常变化。 3. **基于可靠观测的动力学模型误差整体检验**：利用可靠的观测数据，比较模型预测的系统行为与实际观测到的行为，检测模型误差。 通过实测数据的检验，这些异常检测方法显示出了提高导航数据精度的效果。这表明，适时有效地识别和处理观测异常及动力学模型异常对于提升动态导航系统的性能至关重要。这些方法不仅适用于导航系统，也可以应用于其他依赖于 Kalman 滤波的实时估计和跟踪问题，如自动驾驶、航空航天控制和环境监测等领域。