黄　斌，胡　俊，高迎彬，张会会

(1.第二炮兵工程大学，陕西 西安 710025；

2.广东省有色地质测绘院，广东 广州 510080；

3.第二炮兵驻石家庄地区军事代表室，河北 石家庄 050081)



UKF在高动态GPS数据处理中的应用

黄斌1，胡俊2，高迎彬3，张会会1

(1.第二炮兵工程大学，陕西 西安 710025；

2.广东省有色地质测绘院，广东 广州 510080；

3.第二炮兵驻石家庄地区军事代表室，河北 石家庄 050081)

摘要针对高动态GPS数据处理中的非线性问题，提出了一种基于无迹卡尔曼滤波(UKF)的非线性GPS数据处理方法。传统的方法是将滤波中的非线性方程在标称轨道附近采样线性化，这样会产生较大的误差且计算较难实现。所提算法利用UKF处理GPS数据模型中的非线性方程，采用加权采样点的高斯最小集来表示状态分布，然后通过U变换产生的状态变量进行滤波估计。仿真实验表明，所提算法能够有效处理高动态GPS数据中的非线性问题，预测精度也有较大提高。

关键词无迹卡尔曼滤波；高动态；GPS

Application of UKF in High Dynamic GPS Data Processing

HUANG Bin1,HU Jun2,GAO Ying-bin3,ZHANG Hui-hui1

(1.TheSecondArtilleryEngineeringUniversity,Xi’anShaanxi710025,China;2.SurveyingandMappingInstituteofGuangdongNon-ferrousMetalsGeologicalBureau,GuangzhouGuangdong510080,China;3.MilitaryRepresentativeOfficeofPLASecondArtilleryForcesStationedinShijiazhuangRegion,ShijiazhuangHebei050081,China)

AbstractIn order to overcome the effects of nonlinearity in high dynamic GPS data processing,a nonlinear GPS data processing method based on Unscented Kalman Filter(UKF)is proposed.In traditional method,the nonlinear equation is linearized by sampling near the nominal trajectory,which,however,may lead to relatively large error and high computation complexity.The proposed method uses the weighted sampling points to represent the state distribution when processing the nonlinear equation,then performs filtering estimation through the variants generated by U-transformation.Simulation experiment shows that the UKF is effective in solving the nonlinearity issue of high dynamic GPS data,and it also improves the prediction accuracy.

Key wordsUnscented Kalman Filter(UKF);high dynamics;Global Position System(GPS)

0引言

卡尔曼(R.E.Kalmam)在1960年提出了一种适合数字计算机的递推滤波方法，即卡尔曼滤波。卡尔曼成功地采用了状态空间的概念，从而改变了对滤波问题的一般描述，即它不是直接给出信号过程的二阶特性或谱密度函数，而是把信号过程视为白噪声作用下的一个线性输出，而且这种输出、输入关系用一个状态方程描述。该滤波方法处理的信号除了平稳的纯随机过程外，还能包括非平稳的向量随机过程[1]，而且随着时间的增加，可随时适应新的情况，并且减少了计算机的存储量和计算工作量，便于实时处理[2]。……