鲁棒滤波
-
基于MATLAB的鲁棒卡尔曼滤波GPS/INS组合导航算法设计与对比
本项目提供完整的鲁棒卡尔曼滤波算法实现，针对GPS/INS组合导航系统中的观测异常和模型不确定性问题进行鲁棒性处理。包含系统数学模型构建、状态方程设计以及GPS观测方程实现，展示了与传统滤波算法的性能对比分析。 -
基于鲁棒滤波的静止基座惯性导航初始对准系统
该项目旨在解决惯性导航系统（INS）在静止基座进行初始对准时，传统卡尔曼滤波在面对非高斯噪声、环境突发振动或传感器观测离群点时精度大幅下降的问题。系统通过建立高维误差状态方程，将姿态误差、速度误差以及惯性传感器零偏作为状态变量。核心算法采用自主设计的鲁棒滤波方案，利用M估计理论或Huber惩罚函数，根据实时观测残差的大小动态调整观测噪声协方差矩阵。当检测到外部干扰导致观测值异常时，算法能够自动降低异常数据的权重，从而确保初始对准过程在复杂的实验环境下仍具有极高的鲁棒性和稳定性。 功能模块涵盖了粗对准阶段与 -
强跟踪滤波器STF设计与源代码实现
该项目实现了基于MATLAB环境的强跟踪滤波器（Strong Tracking Filter, STF）标准算法，专门用于解决非线性系统在状态突变、模型不确定或存在强干扰环境下的实时状态估计问题。 STF的核心在于对扩展卡尔曼滤波（EKF）的改进，它通过引入一套基于残差正交化原理的渐进增量子优衰减因子，实时调整状态预测误差协方差矩阵。 这种机制能够动态改变滤波增益，使得滤波器在面对目标大机动、参数摄动或模型误差时，能够强行使残差序列保持正交，从而保证滤波器具有极强的鲁棒性和快速跟踪能力。 本程序的实现包含
