屈新芬，李世玲，曾 超，肖龙远

（中国工程物理研究院电子工程研究所，四川 绵阳621900）

0 引言

传递对准是子捷联惯导系统在舰载、机载、车载武器等动基座下启动正常工作的关键环节，其对准精度直接关系到子惯导系统的导航精度。在传递对准中，最常采用的方法是经典卡尔曼滤波算法，而经典卡尔曼滤波算法对系统模型准确度依赖高，对噪声统计特性已知程度要求高；而实际应用中，系统噪声统计特性经常发生变化，滤波状态方程建模与实际模型往往存在一定差异，状态量可能存在突变等，都将导致卡尔曼滤波器性能下降，甚至发散［1］。

为解决这一问题，出现了许多种自适应卡尔曼滤波和鲁棒滤波在传递对准中应用的研究，主要包括Sage-Huge自适应滤波算法，模糊自适应卡尔曼滤波算法，神经网络自适应卡尔曼滤波算法，衰减记忆卡尔曼滤波算法和H∞滤波算法等。Sage-Husa自适应滤波［2］是次优无偏极大后验估计，噪声统计特性由滤波时在线估计；该方法需要保证量测噪声协方差阵的正定性和系统噪声协方差阵的半正定性，否则容易产生滤波发散，且计算量较大。模糊自适应卡尔曼滤波［3］将模糊逻辑方法与卡尔曼滤波相结合，由设计的模糊推理系统在线实时调整系统和量测噪声方差，防止滤波器发散；然而该方法需要对机动环境进行一定的事先了解，需要根据机动环境的噪声特性对隶属度函数做适当的调整。神经网络自适应卡尔曼滤波算法［4］利用神经网络在线对测量噪声进行估计和自适应调节，提高了对失准角估计的精度，然而神经网络使用前需要进行大量的训练，工作量较大。……