邢东峰，张琳婧*，杨菊花，陈光武，刘 昊

（1.兰州交通大学自动控制研究所，甘肃兰州730070；2.兰州交通大学甘肃省高原交通信息工程及控制重点实验室，甘肃兰州730070；3.兰州交通大学交通运输学院，甘肃兰州730070）

1 引 言

在交通应用中有两种较广泛使用的位置服务方法，分别为全球定位系统（Global Positioning System，GPS）和惯性导航系统（Inertial Naviga⁃tion System，INS），GPS/INS组合系统具有互补性，从而比任何一个独立系统都能够提供更加准确和强大的导航方案［1］。随之而来的问题即为如何选择组合结构与组合方法，针对低成本组合系统，松耦合的组合结构一般满足需求，即可将问题整合转化为非线性滤波［2］。由于任何系统都存在不同程度的非线性，用线性滤波处理则代表默认忽视了实际情况中的非线性，尤其是对低精度传感器构成的组合导航系统。将线性处理非线性系统导致的一系列问题归结为系统模型建立不准确的问题，运载体的类型、所处环境、机动性大小、精度需求的高低等对其都有影响，需要分别对待具体问题，所以目前并没有一个统一的处理方式，但总是有迹可循的。组合导航主要解决的是随时间逼近和跟踪的目标点连续定位问题［3］，在传感器数据融合层的过程中，每一次的递推过程都被系统的不确定性影响。无论是何种滤波算法，它们正常运行的假设为系统模型是准确的。

扩展卡尔曼滤波（Extended Kalman Filter，EKF）将非线性进行近似线性处理［4］，雅可比矩阵推导过程较繁琐。无迹卡尔曼滤波（Unscent⁃ed Kalman Filter，UKF）不需要推导雅可比矩阵且精度较高［5］，UKF求解预测值和量测值时需要应用系统模型的采样点信息，但系统模型采样点初始信息的不确定性容易导致滤波器发散，从而增大状态估计误差，所以如何量化并限制系统的不确定性是重点。……