抗差自适应Kalman滤波提升GNSS导航精度

本文主要探讨了在全球导航卫星系统(GNSS)导航中对抗差自适应Kalman滤波方法的应用。传统Kalman滤波算法在处理GPS等GNSS数据时，容易受到粗差（如接收机钟差、多路径效应等）的影响，导致估计结果出现失真。为了解决这一问题，研究人员提出了抗差自适应Kalman滤波(Adaptive Robust Kalman Filtering, ARKF)技术。 ARKF的核心思想是结合自适应滤波与抗差滤波的优势。它引入了自适应因子，根据系统的实时运行状态动态调整滤波参数，提高了滤波器对系统变化的适应性。同时，通过设计抗差因子，使用改进的两段Huber函数来判断观测值的异常程度，这个函数利用了2到3倍的观测噪声中误差作为粗差判别标准，能更有效地识别和排除异常观测值。 相比于传统的Kalman滤波，ARKF在实际应用中的表现更加稳健。车载实验结果显示，ARKF能够有效地抵抗观测异常对状态估值的影响，即使在系统先验信息不完全准确或者存在不确定性的情况下，也能够显著提高滤波估值的稳定性和可用性。这对于GNSS导航系统来说尤其重要，因为它能在复杂环境中提供更精确和可靠的定位服务。 总结来说，本文贡献了一种新的GNSS导航算法，即抗差自适应Kalman滤波，其通过自适应性和抗差机制优化了滤波性能，适用于需要高精度和鲁棒性的实时定位系统。在未来，随着对卫星导航系统精确度需求的增长，这种算法有望在众多领域得到广泛应用。