混合高斯粒子滤波算法在SINS/GPS导航中的应用研究

"本文提出了一种新的改进高斯粒子滤波算法(MGPF)，并将其应用于SINS/GPS深组合导航系统中，以解决线性非线性混合滤波问题，提高了滤波效率和精度。" 在现代导航系统中，特别是在SINS（ Strapdown Inertial Navigation System，捷联惯性导航系统）和GPS（Global Positioning System，全球卫星定位系统）的组合导航系统中，经常遇到线性与非线性混合的滤波问题。传统的滤波方法如卡尔曼滤波在处理非线性问题时可能会导致性能下降。针对这一挑战，文章提出了混合高斯粒子滤波算法（MGPF），这是一种创新的非线性滤波技术。 高斯粒子滤波（GPF）是粒子滤波的一种变体，它使用高斯分布的粒子来近似后验概率分布。然而，GPF在更新状态时通常需要对每个粒子进行计算，这在高维或大数据量的情况下可能导致计算量过大。MGPF算法则在状态更新过程中引入了线性卡尔曼滤波的思想，直接更新状态量的高斯分布参数，而不是逐一更新每个粒子。这种改进大大减少了计算复杂度，同时保持或甚至提高了滤波精度。 MGPF算法的实现涉及到对SINS/GPS深组合导航系统的建模。在这种组合导航系统中，SINS提供连续的导航信息，而GPS则提供位置校正，两者的深度融合可以显著提升整体导航性能。通过建立深组合滤波模型，MGPF能够更好地融合这两种系统的测量数据，实现更准确的定位、定向和速度估计。 为了验证MGPF的有效性，作者进行了仿真实验。实验结果证实，MGPF在处理SINS/GPS系统中的线性非线性混合滤波问题时，不仅降低了计算负担，而且在滤波精度上优于标准的GPF算法。这一成果对于提升组合导航系统的实时性和准确性具有重要意义，尤其在航空航天、自动驾驶等领域有着广阔的应用前景。 MGPF算法是解决非线性滤波问题的一个有力工具，其在SINS/GPS组合导航系统中的成功应用展示了其在复杂导航环境中的潜力。通过减少计算量和提高滤波效果，该算法有望推动未来导航技术的进步。