自适应抗差UKF算法在GPS_BD-2组合系统中的应用.pdf

【自适应抗差UKF算法】是针对非线性系统中的一种优化的滤波方法，旨在解决因噪声模型不准确或观测数据中存在异常值（野值）导致的无迹卡尔曼滤波（UKF）结果偏差甚至发散的问题。UKF是一种用于非线性系统的滤波算法，它通过构建高斯分布的近似来处理非线性函数，但当噪声模型不准确或观测数据异常时，其性能可能会显著下降。 在【GPS/BD-2组合系统】中，GPS（全球定位系统）和BD-2（北斗二代导航系统）的组合使用可以提高定位精度和可靠性。这类组合导航系统通常应用于航空、航海、陆地车辆导航等领域，要求具备高度的定位精度和鲁棒性。然而，由于信号干扰、多路径效应等因素，观测数据中可能出现异常值，影响滤波效果。 【自适应抗差因子】是ARUKF算法的核心部分，它基于抗差估计原理，通过引入一个统计量来检测和处理观测数据中的异常值。这个统计量称为抗差方差分量，它可以识别并量化观测数据中的异常程度。然后，算法会根据这个统计量调整增益矩阵，降低异常值对滤波过程的影响，从而增强滤波器的鲁棒性。 在【仿真实验】中，ARUKF算法被应用于GPS/BD-2组合导航系统，结果表明即使在观测数据存在异常值的情况下，ARUKF也能有效控制观测异常误差的影响，显著提高了定位精度。此外，无论是在不同的系统噪声还是观测噪声方差环境下，ARUKF都展现出了良好的鲁棒性和实时性。 【关键词】包括ARUKF（自适应抗差无迹卡尔曼滤波）、野值（异常值）、方差分量、GPS/BD-2。这些关键词反映了研究的核心内容和技术手段，以及应用场景。 自适应抗差UKF算法是提高非线性系统滤波性能的有效工具，尤其适用于存在噪声模型不确定性及观测数据异常的GPS/BD-2组合导航系统。通过优化滤波过程，算法能够在保持实时性的同时，提供更准确的定位信息，增强了系统在复杂环境下的稳定性。