A variable-dimension update of sequential Kalman filter for enhancing GNSS data processing efficiency

doi:10.1007/s00190-026-02078-1

2026-07-14

PRE

Hailin Zhong

Pengyu Hou

Baocheng Zhang *

DOI：10.1007/s00190-026-02078-1

原文链接

原文求助

摘要

En 中文

随着全球卫星导航系统（GNSS）的持续改进，可用卫星数量的增加以及大众市场GNSS芯片或智能手机计算能力的限制，要求参数估计具有更高的时间效率。在本研究中，我们利用GNSS模型中参数与观测值之间固有的稀疏耦合特性，提出了一种变维（VD）更新策略。该方法通过有效减少冗余数值运算，实现了GNSS数据处理的高计算效率。此外，所提出的VD更新策略可以集成到各种序贯卡尔曼滤波（KF）变体中，如标准序贯KF（SKF）、平方根协方差滤波器（SRCF）和U-D分解滤波器（UDF）。在本工作中，将VD更新策略具体集成到UDF中，创建了一种变维UDF（VD-UDF）实现。为评估其性能，将VD-UDF与标准UDF、信息形式KF（KF-I）以及广泛应用于GNSS应用的平方根信息滤波器（SRIF）进行比较。数值结果和时间效率分析表明，相对于标准UDF、KF-I和SRIF，VD-UDF在几乎不牺牲数值精度或稳定性的情况下实现了更优的计算效率。总之，优化的VD-UDF为在计算资源受限平台上进行实时高精度GNSS定位提供了一种高效且稳健的解决方案。

Keyword:

Global navigation satellite system (GNSS)

Kalman filter (KF)

Sequential processing

Variable-dimension update

Time-efficiency