衰减记忆平方根UPF算法：提升组合导航精度

"衰减记忆平方根UPF算法及其在组合导航中的应用" 本文主要探讨了在导航滤波计算中可能出现的协方差矩阵不对称或负定问题，并提出了一种新颖的衰减记忆平方根Unscented粒子滤波（Fading-memory Square-Root Unscented Particle Filter, FSRUPF）算法。该算法基于Unscented粒子滤波（UPF）框架，旨在解决传统UPF在处理复杂动态系统时可能出现的数值不稳定性和精度下降情况。 在衰减记忆滤波中，算法引入了一个衰减因子，该因子可以逐步降低历史信息对滤波过程的影响，从而强调当前量测数据的重要性。这种策略有助于减少旧信息的积累，增强滤波器对实时数据的响应，从而提高滤波效果。同时，平方根滤波方法被采用，通过使用协方差矩阵的平方根阵来代替原矩阵进行滤波计算。这种方法保证了协方差矩阵的对称性和非负定性，增强了算法的数值稳定性，并提升了滤波解算的精度。 在实际应用中，FSRUPF算法被应用于SINS/SAR（ Strapdown Inertial Navigation System / Synthetic Aperture Radar ）组合导航系统进行仿真验证。通过对比FSRUPF算法与传统UPF算法的结果，证明了新算法在滤波性能上具有显著优势，能够提高组合导航系统的整体滤波精度，这对于依赖高精度导航信息的现代航天和军事应用至关重要。 此外，本文还提及了该研究得到的国家自然科学基金和中国航天科技集团公司卫星应用研究院创新基金的支持，表明了这一领域研究的重要性和实际需求。作者团队包括高怡、高社生和吴佳鹏，他们在信息工程和控制领域有着深入的研究背景，为这一算法的开发提供了坚实的理论基础和实践经验。 这篇论文提出了一个改进的粒子滤波算法，它结合了衰减记忆和平方根滤波的优点，以应对导航滤波中的挑战，特别是在处理高动态和不确定性环境下的组合导航系统。通过实际仿真和比较，验证了新算法的有效性和优越性，对于未来导航技术的发展具有积极的推动作用。