提升惯性卫星导航精度：正逆向滤波融合算法的应用

本文主要探讨了正逆向滤波在惯性卫星组合导航中的应用，针对高性能惯性全球卫星导航系统的需求，提出了一种创新的融合算法，旨在提升卡尔曼滤波在组合导航定位中的精度。传统的正向卡尔曼滤波算法存在一定的局限性，尤其是对于复杂环境下的信号处理和噪声抑制。为了克服这些挑战，文中引入了逆向数据处理和加权平滑技术，将正向滤波与逆向滤波相结合，形成了一种正逆向融合的卡尔曼滤波策略。 该算法首先对惯性传感器数据进行双向处理，通过正向滤波获取实时位置估计，然后利用逆向数据反推过去的状态，结合两者的优点，提高了系统的稳定性和定位准确性。文章详细阐述了这种融合方法的实施步骤，包括状态更新、观测预测和误差协方差矩阵的更新等关键环节，并对比了与传统正向卡尔曼滤波的性能差异。 在实验部分，研究者采用车载传感器实际采集的数据作为测试样本，通过对比两种滤波算法的解算结果，明显显示了正逆向融合滤波在定位精度上的优势。实验结果显示，这种方法在减少噪声干扰、提高动态性能和抵抗系统误差等方面具有明显效果，对于提高惯性卫星组合导航的整体性能具有重要意义。 本文的贡献在于提出了一种适用于复杂环境的组合导航策略，通过正逆向滤波的集成，优化了导航系统的稳定性和精度，这对于现代卫星导航技术的发展和实际应用具有重要的理论价值和实践指导意义。关键词包括全球定位系统（GPS）、惯性导航（Inertial Navigation），组合导航，滤波算法以及正逆向融合技术，为相关领域的研究者提供了新的思考方向和技术参考。