针对经典卡尔曼滤波器要求组合导航系统的动态模型和观测模型的噪声统计特性已知,而组合导航系统的噪声具有非先验性的问题,利用超闭球小脑神经网络(Hyperball Cerebellar Model Articulation Controller,HCMAC)良好的非线性逼近能力、泛化能力和自学习能力,设计HCMAC辅助卡尔曼滤波器,并应用于组合导航系统。仿真试验结果表明,该辅助算法与经典卡尔曼滤波算法相比较,精度提高了2倍,收敛时间缩短近200s,且有效地克服了传统神经网络学习速度慢、泛化能力弱的缺点,使系统具有自适应能力以应付动态环境的扰动,增强了组合导航系统的鲁棒性。
