邵海俊，缪玲娟，郭岩冰

(北京理工大学自动化学院，北京 100081)

0 引 言

对于全球定位系统(Global positioning system, GPS)辅助的捷联惯性导航系统(Strapdown inertial navigation system, SINS)，可以通过GPS所提供的位置、速度信息来辅助SINS进行行进间对准。相比于静基座对准，行进间对准是一种兼顾高精度与高灵活性的对准方案[1]。

传统GPS辅助的SINS行进间对准方法包括粗对准和精对准两个部分，但这种方案耗时较长，为了满足快速对准的要求，滤波器通常需要在初始姿态角误差较大时就能进行滤波工作[2]。但较大的姿态误差会使滤波模型呈非线性，于是扩展卡尔曼滤波器(Extended Kalman filter, EKF)[3]、无迹卡尔曼滤波器(Unscented Kalman filter, UKF)[4]、容积卡尔曼滤波器(Cubature Kalman filter, CKF)[5]、集合卡尔曼滤波器(Ensemble Kalman filter, EnKF)[6-8]等改进的非线性卡尔曼滤波器被相继提出，并应用到GPS辅助的SINS行进间对准中。虽然这些改进的非线性卡尔曼滤波器在一定程度上解决了卡尔曼滤波器(Kalman filter, KF)在非线性系统中的运用问题，但是它们与KF一样，在推导卡尔曼增益时要求系统状态满足高斯分布，而系统的非线性会使得状态高斯分布的假设不能成立，因此当系统非线性较强时，这些改进的卡尔曼滤波器的滤波精度也会不同程度下降。粒子滤波器(Particle filter, PF)是一种基于蒙特卡洛采样原理的滤波方案，它对系统的非线性程度以及系统状态的分布特性没有任何限制，所以PF也被广泛运用于非线性滤波中。但目前常用的PF存在粒子退化和粒子贫化的问题[9-10]。文献[11]提出了集合粒子滤波器(Ensemble particle filter, EnPF)，该方案通过EnKF来为PF生成状态建议分布，这虽然可以一定程度缓解粒子退化问题，但当系统非线性较强时，EnKF所生成的状态建议分布与真实状态后验分布相差较大。……