姚晓涵 陈 帅 杨 博 李 杰 张 敏

1.南京理工大学自动化学院，南京210094 2.中国船舶工业综合技术经济研究院，北京100081

0 引言

为了提高导航系统定位精度和容错性能，发展多传感器组合导航是目前最常采用的有效策略。在现有的多传感器信息融合研究中，大多假定各个导航传感器同步地将数据传递给融合中心[1]。然而，在实际系统中，由于信号变化速率相差较大、检测装置采样周期不同等原因使各个传感器的采样速率不尽相同，且由于传感器固有延迟和通信延迟的不同，使融合中心接收到的数据也不同步。此外，融合导航滤波过程中会遇到各种各样的干扰，若动力学模型信息受到扰动，或多传感器观测信息含有异常误差，那么最终的导航滤波解必定会和真实值有较大误差。因此，为了提高组合导航系统定位精度，研究异质异步多传感器信息融合算法具有重要意义。

方峥等提出了基于子滤波器方差阵修正的多源信息非等间隔联邦滤波算法，解决无重置联邦滤波器在应用于多源信息非等间隔滤波时的适应性问题[2]。该算法有效改进了滤波器的估计性能。文献[3]针对多传感器非等间隔数据采样问题,采用时间与量测更新分离的异步非等间隔联邦滤波算法进行信息融合,并对滤波器结构进行改进以减少算法复杂度。Narjes D等提出了一种基于变分贝叶斯逼近的多传感器自适应卡尔曼滤波算法[4]。该滤波算法自适应地估计传感器的测量噪声方差，对传感器的异常测量具有较强的鲁棒性。……