抗差自适应Kalman滤波提升GNSS导航精度
1星 52 浏览量
更新于2024-09-04
2
收藏 691KB PDF 举报
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。
2018-08-15 上传
2023-10-04 上传
2023-10-04 上传
2023-10-11 上传
2023-03-03 上传
2024-01-03 上传
2023-07-01 上传
weixin_38746166
- 粉丝: 8
- 资源: 960
最新资源
- 李兴华Java基础教程:从入门到精通
- U盘与硬盘启动安装教程:从菜鸟到专家
- C++面试宝典:动态内存管理与继承解析
- C++ STL源码深度解析:专家级剖析与关键技术
- C/C++调用DOS命令实战指南
- 神经网络补偿的多传感器航迹融合技术
- GIS中的大地坐标系与椭球体解析
- 海思Hi3515 H.264编解码处理器用户手册
- Oracle基础练习题与解答
- 谷歌地球3D建筑筛选新流程详解
- CFO与CIO携手:数据管理与企业增值的战略
- Eclipse IDE基础教程:从入门到精通
- Shell脚本专家宝典:全面学习与资源指南
- Tomcat安装指南:附带JDK配置步骤
- NA3003A电子水准仪数据格式解析与转换研究
- 自动化专业英语词汇精华:必备术语集锦