工学博士学位论文 目前，扩展卡尔曼滤波是研究初始对准和惯性/GPS组合导航问题的一个主要手段。 但初始对准和惯性/GPS组合导航问题本质上是非线性的，对模型进行线性化的扩展卡 尔曼滤波在一定程度上影响了系统的性能。近年来，直接使用非线性模型的 UKF(Unscented Kalman Filtering, UKF)和粒子滤波，正在逐渐成为研究非线性估计问题 的热点和有效方法。 本文研究了UKF和粒子滤波两种非线性滤波方法，并将其应用于非线性静基座对 准和惯性

本文的题目是改进的粒子滤波在组合导航中的应用研究。文档可用caj打开。 本课题首先研究了GPS/DR车载定位系统的组合模型，然后在分析了非线性滤波的基础上，引入了粒子滤波。粒子滤波是一种基于递推计算的序列蒙特卡罗算法，它采用一组从概率密度函数上随机抽取的并附带相关权值的粒子集来逼近后验概率密度，从而不受非线性、非高斯问题的限制。虽然粒子滤波存在诸多优点，然而它仍然存在诸如粒子数匿乏、滤波性能不高、实时性差等问题。

一个使用粒子滤波的方法进行导航定位的Matlab程序-A method using particle filter in the Matlab program navigation

粒子滤波在导航上的应用，含有注释和说明，有利于明白粒子滤波的原理-Particle Filter in the navigation on the