赵国材，赵 力，宋春雷，刘志德

(1.辽宁工程技术大学电气与控制学院，辽宁葫芦岛125105;2.北京理工大学自动化学院，北京100081)

0 引言

对车辆的全球范围精确定位在军用和民用领域均有很多应用。捷联惯性导航系统(strapdown inertial navigation system，SINS)、航位推算(dead reckoning，DR)导航和全球定位系统(global positioning system，GPS)等都是目前比较常用的定位方式。GPS可以提供绝对的经纬度，是一种易用并且紧凑的导航系统。但由于城市中高楼和隧道对卫星信号的遮挡，GPS并不总是可用，另外还有多通道反射现象的存在［1］，因此，GPS不是最理想的导航方式，通常和惯性导航系统组成组合导航系统，DR导航系统就是其中的一种［2，3］。

DR系统是一种常用的车辆导航系统，它具有实时性好、短时间工作精度高的优点，其关键部分是其惯性单元，但是随着时间的增长，行驶里程的增加，导航系统的误差逐渐积累，并逐步发散。GPS卫星导航系统具有全天候、高精度等特点，且GPS误差不存在累积效应，能够较好地抑制DR导航系统的误差。因此，DR/GPS是比较理想的组合方案。

上个世纪末，Gordon N提出了用大量样本逼近状态分布的粒子滤波(particlefilter，PF)［4］。PF 是一种基于递推贝叶斯估计的滤波方法，但是PF存在着粒子退化、样本贫化和计算量大等缺点，本文将量子粒子群优化(quantum particle swarm optimization，QPOS)算法［5］与 PF 相结合提出了QPSO-PF算法，改善了采样过程，提高了PF的精度，改善了滤波的性能，并将新算法应用于DR/GPS组合导航系统中，跑车实验验证了新算法的有效性。

1 QPSO-PF算法

PSO算法模拟由简单个体组成的群落与环境以及个体之间的互动行为，通过群体中个体之间的协作和信息共享来寻找最优解［6］。……