GNSS/INS紧组合最大熵卡尔曼滤波算法

作者：李松,唐小妹,孙鹏跃,张可,王飞雪

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.

发文机构：国防科技大学电子科学学院

关键词：卡尔曼滤波GNSS/INS紧组合M估计最大熵准则Kalman filteringGNSS/INStightly-coupledM-estimationmaximum correntropy criterion

分类号： P228.4[天文地球—大地测量学与测量工程]