GNSS/INS緊組合最大熵卡爾曼濾波算法

作者：李松,唐小妹,孫鵬躍,張可,王飛雪

摘要：針對實際環境中量測噪聲易被野值污染而呈現非高斯分布,進而導致傳統卡爾曼濾波(KF)算法性能降低的問題,提出了最大熵卡爾曼濾波(MCKF)算法.該算法基于最大熵準則(MCC)和M估計的思想推導得到.與KF相比,所提算法能夠給異常量測值分配較小的權重以減輕其對于狀態估計的影響,與基于Huber函數的卡爾曼濾波(HKF)算法相比,其能夠更有效地利用量測信息,因此所提算法相比于KF和HKF而言更加魯棒.在全球衛星導航系統(GNSS)與慣性導航系統(INS)的緊組合模式下進行車載實測實驗,由于GNSS的偽距與偽距率等原始量測信息質量不佳,因此KF和HKF的性能均受到影響,而所提MCKF算法能夠有效地抑制異常量測值的影響,能夠更快地收斂且得到更高的估計精度.

發文機構：國防科技大學電子科學學院

關鍵詞：卡爾曼濾波GNSS/INS緊組合M估計最大熵準則Kalman filteringGNSS/INStightly-coupledM-estimationmaximum correntropy criterion

分類號： P228.4[天文地球—大地測量學與測量工程]