高斯混合模型优化的四元数约束CKF姿态估计

针对四元数非线性滤波在姿态估计中噪声为非理想高斯分布时随机模型的失配现象，提出了一种基于高斯混合模型的四元数约束容积卡尔曼滤波（GM-QCKF）。讨论了四元数在容积卡尔曼滤波中的加权均值方法，并利用高斯混合模型对高斯分量更新与求和从而精化随机模型，最后通过两步投影理论做归一化限制，有效地改进了四元数约束容积卡尔曼滤波的稳定性。通过仿真测试，表明GM-QCKF可明显提高姿态估计精度；跑车试验验证了GM-QCKF算法在实际应用中精度和稳定性的优势。     

一种基于模糊推理的导航自适应滤波算法

针对GNSS/SINS组合导航中量测噪声统计特性的时变性,以及由此引发的长航时定位精度下降问题,提出了一种基于模糊推理系统的自适应拓展卡尔曼滤波的导航定位算法。该算法考虑模糊推理系统的优势,对量测噪声协方差进行在线调整,以实现滤波结果的最优估计。经过仿真测试与跑车试验,结果表明该算法在GNSS信号先验统计特性不可知的情况下,对较大偏差有明显的纠偏作用,其定位精度能够保证在5m以内,能更好地进行导航定位解算,具有一定的应用价值。