GPS_heading_outliers在GPS/DR组合导航系统中，对GPS航行进行去野值

资 源 简 介

GPS_heading_outliers在GPS/DR组合导航系统中，对GPS航行进行去野值

详 情 说 明

在GPS/DR组合导航系统中，GPS航向数据可能会因为信号遮挡、多径效应等原因出现野值（outliers），这些异常数据会严重影响组合导航的精度和可靠性。为了确保系统的稳定性，需要对GPS航向数据进行野值检测与剔除处理。

常见的野值处理方法可以分为三类：统计方法、滤波方法和机器学习方法。统计方法通常基于数据的分布特性，如3σ原则或四分位距法（IQR），通过设定合理阈值来识别异常值。这类方法计算简单，但对数据分布有假设要求。

滤波方法中，卡尔曼滤波是组合导航系统的核心算法，本身就具有一定的抗野值能力。可以结合新息检测方法（Innovation-based Detection），通过分析观测值与预测值的差异来判断野值。当新息超过预设阈值时，可以暂时忽略当前GPS观测，依赖DR系统继续导航。

另一种思路是采用鲁棒滤波算法，如H∞滤波或自适应卡尔曼滤波，这些算法对野值具有更好的容忍度。在实际工程中，常常会采用多种方法的组合，例如先进行统计粗剔除，再用滤波算法精细处理。

值得注意的是，GPS航向野值处理需要与组合导航系统的其他模块协同工作。当检测到野值时，不仅要剔除异常数据，还要合理调整系统的信任权重，确保导航输出的平滑过渡。