常規(guī)GPS/INS緊組合抗差自適應(yīng)濾波只適用于衛(wèi)星數(shù)≥4的情況,且預(yù)測(cè)殘差構(gòu)造自適應(yīng)因子要求觀測(cè)值可靠。針對(duì)該局限性,對(duì)常規(guī)抗差自適應(yīng)濾波算法做出兩點(diǎn)改進(jìn):1)采用兩步濾波,用第1步常規(guī)EKF濾波殘差構(gòu)造第二步抗差算法的粗差判別量;2)在第2步濾波用預(yù)測(cè)殘差構(gòu)造自適應(yīng)因子時(shí),剔除異常觀測(cè)值對(duì)應(yīng)的預(yù)測(cè)殘差和預(yù)測(cè)殘差協(xié)方差,以削弱觀測(cè)異常對(duì)自適應(yīng)因子的不良影響。實(shí)驗(yàn)結(jié)果表明,常規(guī)抗差算法在衛(wèi)星數(shù)＜4時(shí)不適用。常規(guī)自適應(yīng)濾波算法在觀測(cè)值存在異常的情況下無(wú)法正確修正模型異常。改進(jìn)后的抗差自適應(yīng)濾波算法在組合系統(tǒng)觀測(cè)衛(wèi)星數(shù)＜4且觀測(cè)值存在異常的情況下,仍能正確修正觀測(cè)粗差和動(dòng)力學(xué)模型異常,能夠達(dá)到良好的導(dǎo)航精度。 

【文章頁(yè)數(shù)】：6 頁(yè)

【文章目錄】：
1 GPS/INS緊組合抗差自適應(yīng)濾波模型
2 GPS/INS緊組合抗差自適應(yīng)濾波改進(jìn)
3 實(shí)驗(yàn)與分析
    3.1 實(shí)驗(yàn)1
    3.2 實(shí)驗(yàn)2
    3.3 實(shí)驗(yàn)3
4 結(jié)論


【參考文獻(xiàn)】：
期刊論文
[1]結(jié)合自適應(yīng)濾波和神經(jīng)網(wǎng)絡(luò)的GNSS/INS抗差組合導(dǎo)航算法[J]. 高為廣,陳谷倉(cāng).  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2014(11)
[2]基于偽距殘差相關(guān)性的GPS/INS緊耦合抗差濾波[J]. 李增科,高井祥,韓厚增.  中國(guó)礦業(yè)大學(xué)學(xué)報(bào). 2014(04)
[3]支持向量回歸輔助的GPS/INS組合導(dǎo)航抗差自適應(yīng)算法[J]. 譚興龍,王堅(jiān),韓厚增.  測(cè)繪學(xué)報(bào). 2014(06)
[4]GPS/INS緊組合導(dǎo)航中接收機(jī)鐘差建模[J]. 甘雨,隋立芬,肖國(guó)銳,段宇,戚國(guó)賓.  大地測(cè)量與地球動(dòng)力學(xué). 2014(03)
[5]應(yīng)用EKF平滑算法提高GPS/INS定位定姿精度[J]. 石波,盧秀山,陳允芳.  測(cè)繪科學(xué)技術(shù)學(xué)報(bào). 2012(05)
[6]一種兩步自適應(yīng)抗差Kalman濾波在GPS/INS組合導(dǎo)航中的應(yīng)用[J]. 吳富梅,楊元喜.  測(cè)繪學(xué)報(bào). 2010(05)
[7]利用部分狀態(tài)不符值構(gòu)造的自適應(yīng)因子在GPS/INS緊組合導(dǎo)航中的應(yīng)用[J]. 吳富梅,楊元喜,崔先強(qiáng).  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2010(02)
[8]UKF在GPS/INS組合導(dǎo)航系統(tǒng)中的應(yīng)用[J]. 毛克誠(chéng),孫付平,李海豐.  測(cè)繪科學(xué)技術(shù)學(xué)報(bào). 2007(03)
[9]一種基于Bancroft算法的GPS動(dòng)態(tài)抗差自適應(yīng)濾波[J]. 張雙成,楊元喜,張勤,高為廣.  武漢大學(xué)學(xué)報(bào)(信息科學(xué)版). 2007(04)
[10]A new learning statistic for adaptive filter based on predicted residuals[J]. YANG Yuanxi and GAO Weiguang (Xi’an Research Institute of Surveying and Mapping, Xi’an710054, China; Institute of Surveying and Mapping, University of Information Engineering, Zhengzhou 450052, China).  Progress in Natural Science. 2006(08)



本文編號(hào)：3710990