一种新的鲁棒PM滤波及其在组合导航中的应用.pptxVIP

content目录01研究背景与技术挑战02理论基础与相关技术演进03新型鲁棒PM滤波算法设计04算法实现中的关键技术突破05在组合导航系统中的集成应用06实验验证与性能评估体系07结论展望与工程迁移价值

研究背景与技术挑战01

现代组合导航系统对状态估计精度与鲁棒性的双重需求日益增强精度需求提升现代组合导航系统在自动驾驶、无人机等高动态场景中，对位置、速度与姿态的估计精度要求达到厘米级甚至更高。传统滤波方法难以满足复杂环境下持续高精度输出的需求。鲁棒性挑战加剧GNSS信号遮挡、多路径效应及IMU漂移等问题导致观测噪声非高斯且模型存在不确定性。系统需在异常干扰下保持稳定估计，避免状态发散。双重目标矛盾追求高精度常依赖精确建模，而增强鲁棒性需弱化模型假设以应对未知扰动。二者在算法设计中存在权衡，亟需新框架实现兼顾。

传统卡尔曼类滤波器在非高斯噪声与模型不确定性下性能受限噪声敏感性传统卡尔曼滤波假设噪声服从高斯分布，面对非高斯噪声（如脉冲干扰、多径效应）时，估计易发散。实际导航中GNSS受遮挡产生的跳变误差即典型非高斯扰动。模型依赖强卡尔曼类滤波器依赖精确的系统动力学与观测模型，当存在未建模动态或参数漂移时，性能显著下降。例如IMU温漂导致的零偏变化难以被标准模型刻画。鲁棒性不足在模型失配与异常观测并存场景下，传统方法缺乏对残差异常的自适应抑制机制，导致状态估计偏离真实值。城市峡谷中G