1.一种基于鲁棒容积点更新框架的组合导航数据融合方法，其特征在于包括以下步骤：（1）利用新息向量的统计信息构造量测量的条件概率密度，然后将一个固定长度记忆的估计窗口引入到最大似然准则中估计过程噪声的协方差矩阵；

（2）利用似然函数的预测容积点误差矩阵和通过模型预测残差的线性变换得到的后验容积点误差矩阵来逼近似然函数，并直接用于更新后验容积点，从而构建出一种新型的容积点更新框架；

（3）将步骤（1）中估计出的过程噪声协方差矩阵和步骤（2）中描述的容积点更新策略融入到高阶容积卡尔曼滤波框架中，得到更新后的组合导航数据融合方法；

所述步骤（1）包括如下步骤：首先，将量测量 的条件概率密度函数表述为：(1)

其中，表示时刻， 表示过程噪声协方差矩阵，表示量测量， 表示 时刻量测量的预测值， 表示 时刻的新息向量， 表示量测量预测误差协方差矩阵， 表示量测量的维度，根据代数运算，通过公式（2）计算量测向量 的似然函数，(2)

其中， 表示固定长度记忆估计窗口的大小，最后，根据最大似然准则，过程噪声的协方差矩阵 通过公式（3）得到，(3)；

所述步骤（2）包括如下步骤：定义系统先验容积点误差矩阵 、后验容积点误差矩阵 及相应的权值矩阵 为：(4)

(5)

(6)

其中， 和 分别表示 时刻状态量的预测值和估计值， ，表示组合导航系统函数， 表示容积点， 表示容积点权值， ， 表示状态量的维数， 表示矩阵的对角运算；

通过 表示，则下列约束方程成立，(7)

(8)

(9)

其中， 表示 时刻状态量预测误差协方差矩阵， 表示 时刻状态量估计误差的协方差矩阵， ， 表示噪声引起的不确定度矩阵， ，表示尺度矩阵， 表示量测噪声协方差矩阵，在式（8）和（9）的约束下，得到：(10)

其中， ， ， 表示乔列斯基分解，最后，根据式（5）和（10），产生的新容积点表示为：(11)。

2.根据权利要求1所述的基于鲁棒容积点更新框架的组合导航数据融合方法，其特征在于，所述步骤（3）包括如下步骤：

1）初始化容积点

初始化过程噪声协方差矩阵 和量测噪声协方差矩阵 ，并且令 ，然后根式（12）和（13）计算容积点及相应的权值，(12)

(13)

其中， 表示大小为 维的零列向量， 表示单位矩阵，， ，

和 分别表示单位矩阵 的第 列和第 列， ， 表示 行1列的矩阵；

2）时间更新

计算组合导航系统状态量预测值 及相应的误差协方差矩阵 ，(14)

(15)

然后，计算先验容积点误差矩阵 ，(16)

(17)

根据式（18）对 进行更新，(18)

根据式（19）生成用于近似似然函数的传播容积点，(19)

其中， 表示 的第 列元素。

3.根据权利要求2所述的基于鲁棒容积点更新框架的组合导航数据融合方法，其特征在于，进行初始化容积点和时间更新后，需要进行量测更新和容积点更新：

3）量测更新

计算量测量的预测值 、量测量预测误差协方差矩阵 以及状态量预测值和量测量预测值之间的互协方差矩阵 ，(20)

(21)

(22)

其中， 表示观测矩阵，然后，对状态量的估计值 及相应的协方差矩阵 进行更新，(23)

(24)

(25)

其中， 表示滤波增益， 表示量测值，

4）容积点更新

根据式（26）计算后验容积点误差矩阵 ，(26)

然后，根据式（27）产生用于 次滤波的容积点，(27)

其中， 表示 的第 列元素，最后，令 ，并返回步骤2）执行下一个滤波周期。

4.根据权利要求1所述的基于鲁棒容积点更新框架的组合导航数据融合方法，其特征在于，求解式（3）时：对式（2）两边取对数运算并忽略常数项，则式（3）改写为：(28)

为了便于求解式（28）所示的优化问题，定义如下的代价函数：(29)

对上述代价函数求关于 各元素的偏导数并令其等于0，得到如下最大似然方程：(30)

其中， ， 表示矩阵的迹运算， 表示 中的第 行第 列元素，

通过对 时刻组合导航系统状态量估计值 进行泰勒展开， 时刻状态量的预测误差表示为：(31)

其中， ， 表示泰勒展开系数中的二阶及高阶项， 表示时刻组合导航系统状态量估计误差， 表示组合导航系统的过程噪声，通过引入一个对角矩阵 来表示式（31）中的一阶线性误差，则式（31）改写为：(32)

状态量误差的预测协方差矩阵表示为：(33)

对式（33）和量测量预测误差协方差矩阵 求解关于 的偏导数，当估计窗口内的滤波过程达到稳态时， 结果的一阶项忽略，进而可得到：(34)

其中， 表示观测矩阵，将等式（34）带入式（30）得到：(35)

其中， ，

根据滤波增益公式 ，式（35）改写为：(36)

其中， ，

估计窗口内的滤波过程均处于稳定状态，使得 对于所有近似为常数，式（36）改写为：(37)

其中， ，并且当满足式（38）时，等式（37）恒成立，(38)

根据卡尔曼滤波过程可知，存在：(39)

(40)

(41)

将式（39）、（40）和（41）带入式（38）中，便可得到过程噪声协方差矩阵 的最大似然估计值 ，(42)。