抗差自适应Sage滤波在组合导航中的应用研究

"抗差自适应Sage滤波及其在组合导航中的应用" 本文是一篇研究论文，主要讨论了抗差自适应Sage滤波在组合导航系统中的应用。Sage滤波是一种非线性滤波方法，常用于处理非线性系统中的数据融合问题。在传统的卡尔曼滤波中，假设系统模型和观测模型都是完全已知且随机噪声服从特定的统计分布，然而在实际应用中，这些条件往往难以满足，导致滤波性能下降。 抗差自适应Sage滤波器结合了抗差估计和自适应滤波的概念。抗差估计是为了处理观测数据中的异常值或不一致性，通过赋予异常值较大的权重，减少其对滤波过程的影响。自适应滤波则允许滤波器根据实际观测数据动态调整系统模型，以适应模型不确定性或变化。 在Sage滤波框架下，该方法利用开窗法计算观测残差向量和新息向量的协方差阵，这有助于识别和处理异常观测数据。接着，通过抗差估计方法确定观测噪声协方差矩阵，从而能够更好地刻画实际观测数据的统计特性。同时，采用自适应因子调整动力学模型噪声协方差矩阵，以控制动态模型不确定性对滤波精度的影响。 在捷联惯性导航（SINS）/合成孔径雷达（SAR）组合导航系统中，抗差自适应Sage滤波被应用于数据处理。SINS提供连续的三维位置、速度和姿态信息，而SAR则可以提供高分辨率的地形图像，两者结合可以显著提高导航的精度和可靠性。通过与卡尔曼滤波和标准Sage滤波的对比分析，仿真结果显示，新提出的算法能够更有效地控制观测异常和动态模型异常，对状态参数估值的影响，同时具有抵抗状态扰动的能力，从而提高了组合导航系统的滤波精度。 这篇论文提出了一个适用于组合导航系统的新型滤波算法，通过结合抗差估计和自适应滤波技术，提高了在存在观测异常和模型不确定性情况下的导航性能。这对于提升复杂环境下导航系统的稳定性和准确性具有重要意义。关键词包括：卡尔曼滤波、抗差估计、自适应滤波、Sage滤波、开窗估计。