标题提及的是"改进的强跟踪卡尔曼滤波器在MSINS_GPS组合导航中的应用研究"，这是一个关于导航系统的技术论文，重点在于如何利用改进的卡尔曼滤波算法提高导航系统的性能。描述中提到，通过深入分析次优渐消因子的解算原理，提出了一种无需先验知识的多时变渐消因子估计方法，用于改进强跟踪卡尔曼滤波器，应用于MSINS（微惯性导航系统）与GPS的组合导航中。
卡尔曼滤波是一种广泛应用的估计理论，尤其在处理含有噪声的数据时，能够提供最优的线性估计。在GPS定位系统和惯性导航系统结合的组合导航中，卡尔曼滤波能够融合两种系统的优点，提高定位精度和稳定性。然而，标准的卡尔曼滤波器可能会因为模型不确定性、噪声估计不准确或系统参数变化导致滤波发散。为了解决这些问题，研究人员进行了各种改进，如自适应卡尔曼滤波和强跟踪卡尔曼滤波。
强跟踪卡尔曼滤波器通过加权处理滤波估计误差的验前协方差矩阵，增强了量测信息的修正作用，从而抑制滤波器的发散，提高了对系统参数变化和噪声的鲁棒性。论文中提出的改进方法是基于多时变渐消因子，这种方法无需预先知道系统的具体知识，能够分别对不同数据通道进行渐消，增强滤波器的跟踪能力。
在MSINS/GPS浅组合系统中应用这种改进的滤波算法，可以提高系统的实时性和鲁棒性，解决了量测相关性问题以及对初值选取敏感的问题。仿真结果显示，该算法能有效提高导航系统的性能，特别是在应对量测噪声和系统参数变化时，表现出了良好的跟踪能力和稳定性。
论文还引用了相关文献，指出经典卡尔曼滤波器存在的缺陷，并提出了一种新的计算时变渐消因子的方法，即通过新息序列的正交原理，形成一个无约束的多元非线性规划问题，然后用近似计算方法求解。
这篇论文的研究内容是关于导航系统中的滤波算法优化，特别是针对MSINS/GPS组合导航，通过改进的强跟踪卡尔曼滤波器设计，提高了导航系统的鲁棒性和实时性，为实际应用提供了理论和技术支持。
