基于T分布变分贝叶斯滤波的SINS_GPS组合导航.pdf

【基于T分布变分贝叶斯滤波的SINS_GPS组合导航】 在现代导航系统中，自主惯性导航系统（SINS）与全球定位系统（GPS）的组合导航技术是广泛应用的一种方式，它能有效结合两种导航系统的优点，提高定位精度和稳定性。然而，实际应用中，由于各种因素如信号干扰、测量误差等，可能会出现“野值”（异常值），这些异常值会严重影响传统滤波算法的性能，降低导航系统的可靠性。 本文针对这一问题，提出了基于T分布的变分贝叶斯高斯滤波算法，旨在解决SINS/GPS组合导航系统中由野值导致的滤波性能下降。T分布是一种能够更好地描述含有异常值的数据分布，它的尾部比正态分布（高斯分布）更厚，因此对于异常值有更强的鲁棒性。 传统的滤波算法如卡尔曼滤波，假设观测噪声服从高斯分布，但在存在野值的情况下，这种假设不再适用。变分贝叶斯滤波是一种贝叶斯框架下的优化方法，通过近似真实后验概率分布来求解状态估计问题。在本文中，作者将观测噪声模型化为T分布，这能够有效地捕捉到异常值的影响，同时利用变分贝叶斯学习在每个滤波时刻迭代更新状态估计，使其更接近真实的后验分布。 实验仿真结果证明了该方法的有效性。在含有野值的SINS/GPS组合导航系统中，基于T分布的变分贝叶斯滤波算法在一定程度上表现出对异常值的鲁棒性，其导航精度优于传统的组合导航滤波方法。这表明，该方法对于应对实际环境中的不确定性具有显著优势，有助于提升整体导航系统的稳定性和精度。 这篇研究论文为SINS/GPS组合导航系统提供了一种新的滤波策略，通过利用T分布的特性来处理异常观测数据，增强了系统的抗干扰能力和定位精度。这对于提高复杂环境下的导航性能，特别是对于航空、航天以及自动驾驶等对定位精度要求极高的领域，具有重要的理论价值和实践意义。未来的研究可以进一步探索如何优化变分贝叶斯学习过程，以及如何在更大范围内验证这种方法的普适性和有效性。