文摘针对组合导航系统状态模型及噪声统计特性不确定的情况下,标准容积卡尔曼滤波(Cubature Kalman Filter,CKF)算法鲁棒性差,导致滤波精度下降甚至出现滤波发散的问题,提出一种H_∞鲁棒自适应CKF算法。该算法基于标准的三阶CKF算法理论框架,在观测方程为线性的条件下,对其量测更新进行了简化,并引入数值稳定性较强的奇异值分解(Singular Value Decomposition,SVD)对系统状态协方差阵进行分解迭代,改善了计算的数值稳定性;在系统状态协方差阵更新过程中引入H_∞滤波思想,并基于矩阵不等式的理论,对其约束条件γ进行了自适应选取,进一步改善了滤波的稳定性,提高了系统的鲁棒性。将该算法用于GNSS/INS组合导航的数值仿真实验,结果验证了该算法的有效性和优越性。
