胡高歌，刘逸涵，高社生，杨 一

（西北工业大学 自动化学院，西安 710072）

改进的强跟踪UKF算法及其在INS/GPS组合导航中的应用

胡高歌，刘逸涵，高社生，杨 一

（西北工业大学 自动化学院，西安 710072）

针对标准 UKF缺乏对系统状态异常的自适应调整能力，导致滤波精度降低的问题，提出一种改进的强跟踪UKF算法。该算法采用假设检验的方法对异常状态进行检测，当系统状态发生异常时，对预测协方差阵引入次优渐消因子自适应的调整滤波增益，实现对系统真实状态的强跟踪。该算法中次优渐消因子的确定无需计算系统模型的雅克比矩阵，提高了传统强跟踪 UKF的实用性。将提出的算法应用于INS/GPS组合导航系统进行仿真验证，并与标准UKF进行比较，结果表明，在系统状态存在异常时，提出的带单重次优渐消因子的强跟踪UKF得到的东向、北向位置误差在[-13.7 m, 14.9 m]以内，带多重次优渐消因子的强跟踪UKF得到的东向、北向位置误差在[-10.0 m, 12.1 m]以内，滤波性能明显优于标准UKF，提高了组合导航系统的解算精度。

强跟踪滤波；无迹卡尔曼滤波；次优渐消因子；INS/GPS组合导航

惯性导航系统(INS)与全球定位系统(GPS)在误差传播性能上具有互补特征，前者长期稳定性差、短期稳定性好，而后者刚好相反，因此采用组合导航技术将二者有机结合起来，构成INS/GPS组合导航系统，可以提高组合导航系统的整体性能[1-2]。

当前，扩展卡尔曼滤波(Extended Kalman filter, EKF)被广泛应用于组合导航系统设计[3]。EKF的基本思想是围绕状态估值将非线性系统模型进行一阶Taylor展开，然后采用卡尔曼滤波算法进行计算。……