自适应扩展卡尔曼滤波提升SINS/GPS深组合导航精度

本文主要探讨了在2010年针对SINS/GPS深度集成导航系统中，由于噪声随时间变化导致的传统卡尔曼滤波精度下降的问题。为了解决这一问题，作者提出了基于自适应扩展卡尔曼滤波的解决方案。该方法的关键在于实时估计观测噪声的协方差，并通过系统方程利用协方差匹配算法来跟踪过程噪声，以确保滤波过程的精确性。 首先，算法的核心是利用新的测量信息序列（innovation sequence）在线估计观测噪声的统计特性，这一步有助于动态适应环境中的噪声变化，避免了静态估计带来的局限性。这种方法可以更好地捕捉噪声变化的趋势，提高滤波的稳健性。 其次，引入了尺度因子，这在卡尔曼滤波中通常用于处理泰勒展开带来的高阶截断误差。通过调整尺度因子，算法能够更有效地减小这些误差，从而提升滤波的精度和稳定性。这种策略使得滤波器能够在复杂环境下保持较高的估计精度，特别是在存在不确定性和非线性因素的情况下。 最后，与传统的卡尔曼滤波算法相比，基于自适应扩展卡尔曼滤波的SINS/GPS深度集成导航系统具有显著的优势。它不仅能实现过程噪声和观测噪声的全面估计，而且在鲁棒性和精度方面有所提高。通过仿真实验验证，该算法在实际应用中的性能得到了显著改善，这对于导航系统的实时性和可靠性至关重要。 这篇论文提供了一个创新的解决思路，对于提高SINS/GPS集成导航系统在动态环境下的导航精度具有重要的工程价值。这对于现代航空、航海、自动驾驶等领域，尤其是在需要高精度定位的场景中，具有重要的理论和实践意义。