高 伟，叶 攀，许伟通

（哈尔滨工程大学自动化学院，哈尔滨 150001）

改进的自适应衰减卡尔曼滤波算法

高 伟，叶 攀，许伟通

（哈尔滨工程大学自动化学院，哈尔滨 150001）

SINS／GPS组合导航系统的融合算法主要是卡尔曼滤波，卡尔曼滤波实现最优估计的前提是系统的模型和随机噪声信息必须准确已知；实际情况下，大部分系统的模型和随机噪声信息不完全可知，这可能会导致滤波器估计精度下降；针对这一问题，根据求解遗传因子的方法不同对传统的自适应衰减卡尔曼滤波进行改进，提出一种改进的自适应衰减卡尔曼滤波；改进后的算法分别适用于系统噪声统计模型不准确可知和量测噪声统计模型不准确可知两种情况，分别对应于两种滤波算法，并且二者具有统一的滤波框架；仿真结果表明，改进的自适应衰减卡尔曼滤波比卡尔曼滤波精度较高，有效解决了因为噪声模型不准确导致的精度下降问题。

组合导航系统；自适应衰减卡尔曼滤波；遗忘因子；噪声模型

0 引言

捷捷联惯性导航系统 （strapdown inertial navigation system，SINS）作为一种自主式导航系统，已经被广泛应用于舰船导航、飞机制导、水下导航等领域。GPS／SINS组合导航系统引入GPS的位置、速度信息为观测量，克服了单一SINS的误差随时间积累的缺点。

GPS／SINS组合导航系统进行数据融合时使用的是卡尔曼滤波（Kalman Filter，KF），卡尔曼滤波器是一种最优估计，但是前提是系统的模型和随机噪声信息必须准确已知。实际情况下，大部分系统的模型和随机噪声信息不完全可知，这可能会导致滤波器估计不准确甚至发散。……