| GNSS/INS紧组合最大熵卡尔曼滤波算法 |
| |
| 引用本文： | 李松,唐小妹,孙鹏跃,张可,王飞雪.GNSS/INS紧组合最大熵卡尔曼滤波算法[J].全球定位系统,2020,45(4):1-8. |
| |
| 作者姓名： | 李松 唐小妹 孙鹏跃 张可 王飞雪 |
| |
| 作者单位： | 国防科技大学电子科学学院 ,湖南长沙410073;国防科技大学电子科学学院 ,湖南长沙410073;国防科技大学电子科学学院 ,湖南长沙410073;国防科技大学电子科学学院 ,湖南长沙410073;国防科技大学电子科学学院 ,湖南长沙410073 |
| |
| 摘 要： | 针对实际环境中量测噪声易被野值污染而呈现非高斯分布,进而导致传统卡尔曼滤波(KF)算法性能降低的问题,提出了最大熵卡尔曼滤波(MCKF)算法. 该算法基于最大熵准则(MCC)和M估计的思想推导得到. 与KF相比,所提算法能够给异常量测值分配较小的权重以减轻其对于状态估计的影响,与基于Huber函数的卡尔曼滤波(HKF)算法相比,其能够更有效地利用量测信息,因此所提算法相比于KF和HKF而言更加鲁棒. 在全球卫星导航系统(GNSS)与惯性导航系统(INS)的紧组合模式下进行车载实测实验,由于GNSS的伪距与伪距率等原始量测信息质量不佳,因此KF和HKF的性能均受到影响,而所提MCKF算法能够有效地抑制异常量测值的影响,能够更快地收敛且得到更高的估计精度.
|
| 关 键 词： | 卡尔曼滤波 GNSS/INS 紧组合 M估计 最大熵准则 |
| 本文献已被 万方数据 等数据库收录！ |
| 点击此处可从《全球定位系统》浏览原始摘要信息 |
| 点击此处可从《全球定位系统》下载免费的PDF全文 |
|
