基于有色噪声自回归建模的惯性_卫星交互多模型滤波导航算法.pdf

摘要中的内容介绍了一种针对卫星测量噪声为有色噪声情况下的惯性/卫星组合导航系统滤波算法优化方案。该算法采用有色噪声自回归建模，旨在解决由有色噪声导致的滤波精度降低问题。建立了有色噪声的自回归模型，并通过测量残差序列获取模型系数，进一步对这些系数进行对称扩展，形成一个系数模型集合。接着，构建了一个交互多模型滤波框架，以实现不同模型滤波器之间的数据融合，从而提高导航系统的定位精度。 在惯性/卫星组合导航系统中，通常会使用卡尔曼滤波器来处理来自卫星和惯性传感器的测量数据，以获得精确的位置、速度和姿态信息。然而，当卫星测量噪声存在非白噪声特性（即有色噪声）时，传统的卡尔曼滤波算法可能会失效，导致滤波精度下降。有色噪声可能源于卫星信号的多径效应、电离层折射等因素，其频谱特性不同于理想中的白噪声，这使得滤波器难以正确估计系统状态。 本文提出的自适应交互多模型滤波算法是一种改进策略，它能够适应有色噪声环境，提高滤波效果。通过建立有色噪声的自回归模型，可以更好地描述噪声的统计特性，进而更准确地预测系统状态。同时，交互多模型滤波框架允许系统根据当前噪声状态选择最合适的模型，实现了动态的数据融合，提高了导航系统的鲁棒性和精度。 仿真结果证实，与传统的卡尔曼滤波相比，该方法能有效地减少有色噪声对滤波的影响，从而提升组合导航系统的定位精度。这对于实际的航空航天、军事、交通等领域的应用具有重要的参考价值，尤其是在高精度导航需求的场景下，这种算法的性能优势更加明显。 关键词涉及的内容包括组合导航、多模型滤波、测量扩增、有色噪声以及卫星定位系统。组合导航结合了多种导航技术，如惯性导航和GPS定位，以提高整体导航性能。多模型滤波是指在不同模型之间切换或融合，以适应系统状态的变化。测量扩增是指通过增加测量信息来增强滤波效果。有色噪声是指非白噪声，具有特定频谱结构。卫星定位系统，如GPS，是提供全球定位服务的关键技术。 这篇论文介绍了一种新颖的导航算法，该算法能够有效地处理卫星测量中的有色噪声问题，提高惯性/卫星组合导航系统的滤波精度，具有较高的工程应用价值。通过引入有色噪声自回归建模和交互多模型滤波，该方法在实际的导航系统设计中有望成为一种有效的工具。