高宗余，方建军 ，郭文荣

(1.北京联合大学自动化学院，北京100101;2.北京交通大学电气工程学院，北京100044)

随着微电子技术的发展而出现的微电子机械系统MEMS(Micro Electro Mechanical System)器件具有体积小、功耗低、响应快、灵敏度高、成本低的优点，由其构成的一些微惯导系统逐渐的应用于机器人、车载系统及无人机系统中;但是，在其构成的系统状态估计中，测量数据都会受到噪声的污染，由于MEMS传感器的故障、数据传递过程中出现的错误和环境的干扰，量测序列中不可避免地包含着某些错误信息，我们称之为野值。如果不把野值及时检测和剔除，将会对微惯导测量过程中误差状态的估计产生很大的影响，从而导致系统精度的降低。为此人们提出了许多野值检测和剔除的方法。

在现有的野值检测方法中，文献［1］提出了基于ARMA模型的在线辨识，通过模型参数的变化来判断是否出现野值，但是这是基于系统的噪声统计特性稳定和已知的情况;文献［2－3］中基于滤波新息的统计特性，检测野值，通过直接剔除观测值或修正观测值来去除野值的影响;但是鲁棒H∞滤波在应用过程中并不对噪声统计特性做假设，所以这些方法就不适用。在现有的野值剔除方法中，文献［4］提出了利用新息平均值代替含野值新息的方法，但是此方法在野值成片出现的情况下效果不佳。

本文采用小波变换检测信号奇异性的方法，在时频域对野值进行处理。通过分析最细尺度上的系数信息，快速检测出野值点，之后采用基于信息扩散原理的新息修正鲁棒H∞滤波方法，通过对车载MEMS-INS/GPS组合导航的仿真表明，该算法能有效去除野值的影响，大大提高了野值条件下状态估计的精度。……