H∞鲁棒自适应CKF算法在组合导航中的应用

来源：计算机工程与应用杂志2018年第9期北京时间：

作者：梁新宇1，2，吴建德1，2，黄国勇1，2，孙 磊1，2

单位：1.昆明理工大学 信息工程与自动化学院，昆明 650500 ；2.云南省矿物管道输送工程技术研究中心，昆明 650500

摘要：针对组合导航系统状态模型及噪声统计特性不确定的情况下，标准容积卡尔曼滤波（Cubature Kalman Filter，CKF）算法鲁棒性差，导致滤波精度下降甚至出现滤波发散的问题，提出一种H∞鲁棒自适应CKF算法。该算法基于标准的三阶CKF算法理论框架，在观测方程为线性的条件下，对其量测更新进行了简化，并引入数值稳定性较强的奇异值分解（Singular Value Decomposition，SVD）对系统状态协方差阵进行分解迭代，改善了计算的数值稳定性；在系统状态协方差阵更新过程中引入H∞ 滤波思想，并基于矩阵不等式的理论，对其约束条件[γ]进行了自适应选取，进一步改善了滤波的稳定性，提高了系统的鲁棒性。将该算法用于GNSS/INS组合导航的数值仿真实验，结果验证了该算法的有效性和优越性。

关键词：奇异值分解,简化的容积卡尔曼滤波,H&infin,滤波,自适应优化,GNSS/INS组合导航