抗差模型预测Unscented卡尔曼滤波算法研究

摘要： 随着状态维数的增加,UKF算法的计算量迅速增大,且UKF算法对模型误差较敏感,不适用于噪声为非高斯分布的系统模型。针对此问题,在研究抗差估计、模型预测滤波和UKF的基础上,提出了一种抗差模型预测Unscented卡尔曼滤波算法。该算法利用扩维方法将驱动噪声加入系统状态中,增加了系统的状态信息,采用模型预测滤波(MPF)抑制模型误差,利用抗差估计增强系统的鲁棒性,弥补了UKF算法对模型误差敏感的缺陷。将提出的算法应用于SINS/BNTS/CNS组合导航系统并进行仿真,与自适应EKF和抗差自适应UKF算法比较,结果表明,提出的算法能有效抑制位置误差和速度误差,滤波性能明显优于自适应EKF算法和抗差自适应UKF算法。 （共8页）