1、“.....则判定噪声估计器发散，调用非线性系统噪声估计器，否则不调用。其中为常值小量。摘要捷联惯导在动基座大方位失准角初始对准时可能会出现模型失配和滤波发散等现象，为提高对准性能，对矩阵的线性变换计算统计特性，在计算量不显著增加的情况下得到较好的非线性滤波效果，文献应用球面径向容积准则进行相应数值积分计算，对强非线性滤波效果较好。模型失配判据通过强跟踪容积卡尔曼滤波算法的推导，可以看出对误差阵的调整以及对滤波增益矩阵的优选都是通过调整渐消因子矩阵而实现的，因此可以选取渐消因子矩阵为模型改进自适应强跟踪容积卡尔曼滤波器在动基座大失准角初始对准中的应用论文原稿准算法噪声估计器中图分类号文献标识码文章编号引言水下无人航行器在海洋探测及各类活动中应用广泛，受其体积能源和成本的限制......”。

2、“.....通常使用低成本的捷联惯性导航系统或航姿系统。导航精度不仅依赖于其惯性传感器的精度，还依赖于高精度的初始对准。通常位于母船甲板或海面进行初始对准，受配判据和噪声估计器收敛性判据，基于此提出了种自适应强跟踪容积卡尔曼滤波算法，并对此方法进行仿真分析。首先建立捷联惯导大失准角对准的非线性模型，然后介绍对进行改进的方法和实施步骤，基于使用传感器的进行仿真，并对结果进行分析，最后进行小结。摘要捷联惯导在动基座大方位失准角初始对准时可能会出现过程的进行，旧数据对参数更新的牵制增强而抑制新数据在预测校正计算中发挥的作用。文献基于渐消记忆滤波理论基础，提出强跟踪滤波器，有效解决存在模型不确定性是鲁棒性差滤波发散等问题，得到广泛应用。而将强跟踪滤波方法与容积卡尔曼滤波方法结合......”。

3、“.....则继承了者非线性滤波效果好针对模型不确定时鲁棒性强的特滤波器初始参数设臵。陀螺仪的常值漂移为，随机漂移均为个加速度计的零偏均为，随机白噪声标准差为忽略陀螺仪和加速度计的安装误差初始失准角为。仿真中系统状态的初始方差阵系统噪声初始方差阵以及观测噪声初始方差阵分别设臵为仿真验证为了验证改进算法的有效性，分别采用本文提出的改进滤波算法定噪声估计器未收敛，采用非线性自适应滤波对噪声估计由此实现改进的方法。此方法在滤波正常进行时，是个标准的容积卡尔曼滤波器，计算负担不大，精度有保证，而在模型失配噪声估计发散时，通过简单的判据，采用自适应噪声估计器，形成，以提高滤波性能。总体来说此方法在计算负器，形成，以提高滤波性能。总体来说此方法在计算负担和滤波性能之间进行自动切换......”。

4、“.....仿真研究仿真条件的航迹设计。初始对准航迹设计如下水下航行器从位臵出发，前秒作匀加速直线运动，加速度为，然后以的速度匀速直线运动，总仿真时间为秒。假设的实际姿态角在海浪的作用下分别以如下形式做方差阵系统噪声初始方差阵以及观测噪声初始方差阵分别设臵为仿真验证为了验证改进算法的有效性，分别采用本文提出的改进滤波算法强跟踪容积卡尔曼滤波算法和标准容积卡尔曼滤波算法，来进行捷联惯导系统大方位失准角海上动基座对准仿真实验，仿真实验分为无海浪和有海浪两种情况。无海浪情况。改进自适应强跟踪容积消因子的计算需要利用噪声统计特性参数，而实际滤波过程中的噪声特性难以知晓，需要采用自适应方滤波方法进行估计。针对此问题，本文将噪声估计器引入强跟踪容积卡尔曼滤波算法......”。

5、“.....基于此提出了种自适应强跟踪容积卡尔曼滤波算法，并对此方法进行仿真分析。首先建立捷联惯导大失改进自适应强跟踪容积卡尔曼滤波器在动基座大失准角初始对准中的应用论文原稿担和滤波性能之间进行自动切换，具有满意的效果。仿真研究仿真条件的航迹设计。初始对准航迹设计如下水下航行器从位臵出发，前秒作匀加速直线运动，加速度为，然后以的速度匀速直线运动，总仿真时间为秒。改进自适应强跟踪容积卡尔曼滤波器在动基座大失准角初始对准中的应用论文原稿。未知，此时，对于方向失准角的滤波收敛速度和估计精度都明显优于，优化的滤波收敛速度更快，估计精度也更高。稳定后优化方法的北向失准角和天向失准角误差分别为和，算法的失准角误差分别为和，算法的失准角误差分别为和，可以看出，优化在估计精度上优势明显......”。

6、“.....文献应用球面径向容积准则进行相应数值积分计算，对强非线性滤波效果较好。对于实际的系统，建立非线性模型及后续进行的近似计算会带来误差累积，这将导致随着滤波过程的进行，旧数据对参数更新的牵制增强而抑制新数据在预测校正计算中发挥的作用。文献基于渐消记忆滤波理论基础，提出强跟踪正弦摇摆运动其中分别表示各姿态角的摇摆幅值分别为摇摆角频率而，为相应的摇摆周期为真实航向仿真过程中分别取，。此时，系统噪声和量测噪声为相互独立的带时变均值和协方差的正态白噪声序列。仿真结果如图所示。当有海浪影响的情况下，系统噪声和量测噪声可以认为是相互独立的带时变均值和协方差的正态白噪声序列，其统计特性卡尔曼滤波器在动基座大失准角初始对准中的应用论文原稿。若判定噪声估计器未收敛......”。

7、“.....此方法在滤波正常进行时，是个标准的容积卡尔曼滤波器，计算负担不大，精度有保证，而在模型失配噪声估计发散时，通过简单的判据，采用自适应噪声估准角对准的非线性模型，然后介绍对进行改进的方法和实施步骤，基于使用传感器的进行仿真，并对结果进行分析，最后进行小结。滤波器初始参数设臵。陀螺仪的常值漂移为，随机漂移均为个加速度计的零偏均为，随机白噪声标准差为忽略陀螺仪和加速度计的安装误差初始失准角为。仿真中系统状态的初始波器，有效解决存在模型不确定性是鲁棒性差滤波发散等问题，得到广泛应用。而将强跟踪滤波方法与容积卡尔曼滤波方法结合，形成强跟踪容积卡尔曼滤波，则继承了者非线性滤波效果好针对模型不确定时鲁棒性强的特点......”。

8、“.....利用船舶动力定位仿真实验验证其有效性。在中，渐改进自适应强跟踪容积卡尔曼滤波器在动基座大失准角初始对准中的应用论文原稿停变化，导致在对准过程中使用的小失准角模型不再适用。而在大失准角条件下，初始对准模型变为非线性，传统的卡尔曼滤波难以适用。随着非线性滤波器方法的发展，针对大失准角条件的初始对准方法得到深入研究。卡尔曼滤波器采用变换用数值方法代替基于矩阵的线性变换计算统计特性，在计算量强跟踪容积卡尔曼滤波算法进行改进，引入非线性系统噪声估计器模型失配判据和噪声估计器收敛性判据，根据判据对和进行切换。仿真结果表明改进后的算法可以有效地解决捷联惯导在动基座初始对准时出现的模型失配和滤波发散问题。关键词捷联惯导初始对准算法噪声估计器中图分类号文失配判据，即当时，非线性系统模型未失配......”。

9、“.....说明非线性系统模型失配，采用自适应强跟踪容积卡尔曼滤波算法。噪声估计器收敛性判据在稳态条件下，可认为非线性系统噪声统计特性相对稳定，此时可以不使用非线性系统噪声估计器，从而降低算法的计算负担。由于模型失配往往伴随着系统噪声特性海浪影响其初始航向角难以获得，水平姿态角不停变化，导致在对准过程中使用的小失准角模型不再适用。而在大失准角条件下，初始对准模型变为非线性，传统的卡尔曼滤波难以适用。随着非线性滤波器方法的发展，针对大失准角条件的初始对准方法得到深入研究。卡尔曼滤波器采用变换用数值方法代替基于型失配和滤波发散等现象，为提高对准性能，对强跟踪容积卡尔曼滤波算法进行改进，引入非线性系统噪声估计器模型失配判据和噪声估计器收敛性判据，根据判据对和进行切换......”。