针对在机载捷联惯导系统(SINS)自标定过程中, 量测噪声呈非高斯分布, 导致经典Kalman滤波性能降低的问题, 该文提出了基于最大熵Kalman滤波(MCKF)的机载SINS自标定技术。该方法采用最大相关熵准则(MCC)替代经典Kalman滤波的最小均方误差准则, 有效利用信号的高阶矩信息, 并将其应用于机载SINS自标定系统中。仿真结果表明, 在非高斯噪声条件下, 该方法能够估计出机载SINS待标定参数, 且算法的鲁棒性和误差项估计精度均优于经典Kalman滤波, 具有一定的工程应用价值。

为了降低噪声对光纤陀螺输出的影响, 提出了一种基于改进经验模态分解 (MEEMD)和前向线性预测 (FLP)结合的光纤陀螺去噪算法。首先, 引入排列熵概念, 利用改进经验模态分解对光纤陀螺信号进行分解与重构; 然后针对分解后混合噪声的低阶 IMF项, 通过 FLP算法进行滤波去噪; 最后将经过 MEEMD-FLP处理后的信号进行重构以得到结果。对某干涉型 FOG进行静态测试, 通过实测数据计算结果表明: 与原始 FOG信号相比, 降噪后的 RMSE降低了 76.77%, 标准差降低了 76.76%。该算法可有效降低噪声对 FOG输出信号的影响, 具有更高的去噪精度。

光纤陀螺 (FOG)温度漂移数据常常淹没在各种噪声背景中，直接补偿建模漂移信号十分困难，为了更好地消除混杂在光纤陀螺温漂数据中的噪声，提出了一种经验模态分解(EMD)和提升小波变换(LWT)相结合的 EMD-LWT滤波方法对光纤陀螺输出信号进行预处理。首先对光纤陀螺含噪信号进行 EMD分解，根据信息熵值判断本征模态函数(IMF)的噪声项和混合模态项，然后对噪声项进行 LWT去噪，混合模态项进行小波分析去噪。对某干涉型 FOG进行静态测试获得陀螺漂移数据，本文提出方法与小波变换和提升小波变换滤波方法进行了对比分析。实测数据计算结果表明，本文提出的 EMD-LWT滤波算法具有最好的滤波效果，经处理后重构信号的均方根误差 (RMSE)下降了 63%，有效地滤除了 FOG输出中的噪声。

通过分析CS-Jerk模型的缺陷，提出一种改进的“当前”统计Jerk模型算法。该算法根据新息的统计学特性，即新息协方差矩阵的迹服从卡方分布，构造活化函数，由活化函数生成修正因子，自适应更新CS-Jerk模型中的最大、最小机动加加速度以及机动频率，进而自适应调整状态噪声协方差矩阵和滤波增益矩阵，减小了目标状态估计误差。与经典的Jerk模型、CS-Jerk模型相比，改进算法有效地提高了对强机动目标的跟踪精度，弥补了CS-Jerk模型算法的不足，仿真结果验证了算法的可行性。

为减少惯性测量组合标定对转台的依赖, 降低标定对转台控制精度的要求, 在分析传统加速度计模观测迭代标定方法的基础上, 提出一种基于粒子群优化算法（PSO）的加速度计快速标定方法。首先, 基于模观测思想设计构造目标优化函数, 并将其作为PSO算法中的适应度函数, 实现了标定方法与PSO算法的连接；其次, 设计了基于最大化观测信息相对于待估计参数的敏感度函数的加速度计标定编排方案；最后, 对所提方法与牛顿迭代标定方法进行了对比仿真。仿真实验结果表明, 基于PSO算法的加速度计快速标定方法具有可行性、有效性, 与传统牛顿迭代标定方法相比更具有优越性。