王更生，张 翔

（华东交通大学信息工程学院，南昌330013）

改进的GNSS/INS列车组合定位PF算法❋

王更生，张 翔

（华东交通大学信息工程学院，南昌330013）

针对列车组合定位融合估计的非线性问题，结合GNSS/INS（Global Navigation Satellite System/Inertial Navigation System）列车组合定位当前发展的方向，给出了一般无迹粒子滤波（UPF）的基本过程。针对传统PF（Particle Filter）缺乏量测信息且计算量大而难以应用于GNSS/INS组合导航中的问题，提出一种新的IUPF（Iterative Unscented Particle Filter）算法。它通过将IKF（Iterative Kalman Filter）的思想融入UKF（Unscented Kalman Filter），得到比较健壮的迭代无迹Kalman滤波（IUKF），由IUKF（Iterative Unscented Kalman Filter）产生的分布与真实的后验分布有更大的支撑重叠区域，提高了精度。并且运用全局采样到PF中，结合当前最新观测值对粒子集整体采用一次IUKF来产生建议性分布，减少了计算量。仿真模拟结果表明，IUPF与一般的UPF、PF相比，精度更高，算法计算量更小。

列车组合定位；GNSS/INS组合系统；PF滤波；迭代无迹粒子滤波；全局采样；建议性分布

1 引 言

基于GNSS与INS等传感器融合构成的列车组合定位系统，能够有效提高整个系统的容错能力、位置信息可信度以及时间和空间覆盖范围，是当前列车测速定位技术的重要发展方向。在GNSS/INS列车组合定位过程中，很重要的一步就是多个传感器的信息融合，传统的做法广泛采用卡尔曼滤波方案。后来提出的EKF（Extended Kalman Filter）及UKF等又因为各自模型的限制，无法精确描述系统模型，很难适用于组合导航中强非线性、非高斯的滤波环境。粒子滤波PF（Particle Filter）在处理非线性、非高斯时变系统的参数估计和状态滤波问题上具有独特优势［1］，因此在GNSS/INS组合导航应用中有较大应用潜力。……