曾庆化，赵天钰，赵 宾,2，刘建业，朱小灵

（1. 南京航空航天大学导航研究中心，南京 210016；2. 南京航空航天大学金城学院，南京 211156）

捷联惯性导航系统（Strapdown Inertial Navigation System, SINS）有较强的自主性和抗干扰能力，但误差随时间累积，易发散[1]；全球卫星导航系统（Global Navigation Satellite System, GNSS）可提供高精度的位置、速度信息，且误差不随时间发散，但易受外界环境干扰，定位、测速精度下降[2]。

SINS/GNSS 组合导航系统可以将二者组合在一起，取长补短，从而获得更高精度的导航参数[3,4]。组合导航系统常采用卡尔曼滤波进行信息融合，但卡尔曼滤波要求精确的数学模型以及准确的先验噪声统计特性，在滤波过程中，若噪声特性出现异常，则滤波精度下降甚至发散[5]。

为了解决这一问题，有学者提出了带渐消因子的自适应算法，通过以强迫残差序列正交的方法，确定渐消因子，文献[6][7]在此基础上，设计了具有多渐消因子的卡尔曼滤波器，取得了更好的精度和鲁棒性，文献[8]针对非线性以及观测噪声异常情况，在容积卡尔曼滤波（Cubature Kalman Filter, CKF）的基础上，提出了基于假设检验的滤波器状态检验算法，在合适的条件下引入多重渐消因子，进一步提升了算法的抗干扰能力。在噪声异常情况下，相比于上述自适应算法，Sage-Husa 自适应滤波（Sage Husa Adaptive Kalman Filter, SHAKF）不仅可以提高滤波精度，还能够实时估计出系统的噪声参数[9,10]，文献[11]基于CKF，结合带有衰减指数渐消因子的SHAKF，提高了纵向距离的滤波精度，文献[12]结合联邦滤波和SHAKF，提出了动态加权因子将两种算法进行融合，有效地应用于多源……