第４３卷第３期２０２３年３月大地测量与地球动力学ＪｏｕｒｎａｌｏｆＧｅｏｄｅｓｙａｎｄＧｅｏｄｙｎａｍｉｃｓＶｏｌ．４３Ｎｏ．３Ｍａｒ．，２０２３收稿日期：２０２２－０４－２９项目来源：国家自然科学基金（６０８７４１１２）；山东省自然科学基金（２０１６ＺＲＡ０６０６８）。第一作者简介：荆蕾，讲师，主要从事组合导航研究，Ｅ－ｍａｉｌ：２７８６３６１６２＠ｑｑ．ｃｏｍ。通讯作者：孙炜玮，讲师，主要从事导航技术与控制研究，Ｅ－ｍａｉｌ：３５３３７５０９２＠ｑｑ．ｃｏｍ。ＤＯＩ：１０．１４０７５／ｊ．ｊｇｇ．２０２３．０３．００７文章编号：１６７１－５９４２（２０２３）０３－０２５５－０４ＧＮＳＳ／ＳＩＮＳ组合导航系统的自适应ＵＫＦ算法荆蕾１孙炜玮２乔玉新１刘成铭３１烟台南山学院工学院，山东省龙口市大学路１２号，２６５７１３２海军航空大学，山东省烟台市，２６４００１３山东东海热电有限公司，山东省龙口市东海工业园，２６５７１３摘要：针对基于无迹卡尔曼滤波（ｕｎｓｃｅｎｔｅｄＫａｌｍａｎｆｉｌｔｅｒ，ＵＫＦ）算法的ＧＮＳＳ／ＳＩＮＳ组合导航系统缺乏对量测噪声异常的自适应调节能力，提出一种ＧＮＳＳ／ＳＩＮＳ组合导航系统的自适应ＵＫＦ算法。首先对ＧＮＳＳ／ＳＩＮＳ组合导航系统进行非线性滤波建模；然后基于变分贝叶斯原理，在ＵＫＦ算法的时间更新与量测更新过程中引入量测噪声方差估计模型，得到自适应ＵＫＦ算法；最后对ＧＮＳＳ／ＳＩＮＳ组合导航系统进行仿真验证。结果表明，本文算法能够对量测噪声方差的突变或缓变进行实时、准确的跟踪，相比于常规ＵＫＦ算法，可明显提高组合导航系统的精度。关键词：变分贝叶斯；自适应ＵＫＦ；量测噪声均方差；组合导航系统中图分类号：Ｐ２２８文献标识码：Ａ无迹卡尔曼滤波ＵＫＦ在ＧＮＳＳ／ＳＩＮＳ组合导航系统中具有高精度特性［１］。但ＵＫＦ是在量测噪声方差恒定的基础上建立的，当量测噪声方差发生变化时，其滤波精度会降低。目前主要采用基于新息的自适应滤波方法解决该问题。田甜［２］将自适应因子引入ＵＫＦ算法中以消除粗差对系统的影响；陈光武等［３］利用ＵＫＦ对组合导航进行处理，当ＧＰＳ信号丢失时利用训练好的神经网络来增强ＵＫＦ的滤波效果，但该算法严重依赖训练样本的质量与数量；吴涛等［４］引入时变噪声估计器来估计时变噪声以提高ＵＫＦ滤波的自适应能力，但其状态方程依然采取线性化处理...
