科创中国

最小二乘法由于未将不同时刻的状态进行关联约束，导致定位结果往往比较粗糙杂乱。卡尔曼滤波算法作为目前最流行的数据融合算法之一，广泛应用于卫星导航定位领域。由于滤波器的性能取决于函数模型的精度以及过程噪声和测量噪声的先验知识，只有在两者都准确的情况下才能得到状态参数的最优估值。对于精密单点定位来说，其函数模型已经得到了充分的研究，但如何获得准确的过程噪声和观测噪声的先验统计信息仍然是一个具有挑战性的难题。通常情况下，过程噪声和测量噪声的先验统计信息是通过对样本数据的分析获得的并假定为常数。然而，在大多数实际应用中，过程噪声和测量通常随时间变化。采用不准确或错误的过程噪声和测量噪声先验统计信息会降低滤波器的性能，严重时会导致滤波器发散，从而严重影响定位精度和可靠性。在卫星导航定位领域，相较于过程噪声，测量噪声受周围环境等不确定因素的影响，较难获得准确的先验统计信息。