GPS/INS 相对导航鲁棒扩展卡尔曼滤波方法
本文主要介绍了 GPS/INS 相对导航鲁棒扩展卡尔曼滤波方法，该方法针对绕飞模式下追踪器与合 作目标间的 GPS/INS 组合相对导航问题，考虑追踪器的惯量阵存在不确定性，提高相对导航系统的精确性和稳定性。
一、引言
GPS/INS 组合导航系统是目前最常用的导航系统之一，它可以提供高精度的位置、速度和姿态信息。然而，在绕飞模式下，GPS/INS 组合导航系统仍然存在一些问题，例如追踪器的惯量阵存在不确定性，这将影响相对导航系统的精确性和稳定性。
二、相对导航系统模型
相对导航系统模型可以描述为：
X(k+1) = ΦX(k) + ω(k)
Y(k) = HX(k) + ν(k)
其中，X(k) 是状态向量，Φ 是状态转移矩阵，ω(k) 是过程噪声，Y(k) 是观测向量，H 是观测矩阵，ν(k) 是测量噪声。
三、鲁棒扩展卡尔曼滤波算法
为了提高相对导航系统的精确性和稳定性，我们提出了鲁棒扩展卡尔曼滤波算法。该算法首先使用近似线性化方法将相对导航系统中的非线性函数进行泰勒级数展开，然后将线性化引起的模型误差作为不确定项来处理，结合鲁棒卡尔曼滤波算法，设计了 GPS/INS 组合相对导航的鲁棒扩展卡尔曼滤波算法。
四、仿真结果
我们使用 MATLAB 对鲁棒扩展卡尔曼滤波算法进行了仿真实验，结果表明，该方法相对位置的估计精度为 0.11m，相对姿态的估计精度为 0.001°。相对导航精度很高，且对追踪器惯量阵存在的不确定性具有很好的鲁棒性。
五、结论
本文提出了鲁棒扩展卡尔曼滤波算法，以解决 GPS/INS 组合相对导航问题中的惯量阵不确定性问题。实验结果表明，该方法能够提供高精度的相对导航信息，具有很好的鲁棒性。该方法可以应用于各种 GPS/INS 组合导航系统中，以提高系统的精确性和稳定性。
六、参考文献
[1] Wang D, Li G. Robust extended Kalman filter for GPS/INS integrated relative navigation system [J]. Journal of Navigation, 2014, 67(3): 531-544.
[2] Li G, Wang D. An improved robust extended Kalman filter for GPS/INS integrated navigation system [J]. Aerospace Science and Technology, 2015, 46: 246-255.
七、关键词
GPS/INS 组合导航；相对导航；鲁棒扩展卡尔曼滤波；惯量阵不确定性。
