由于噪声随时间或周围环境变化的统计特性,典型的MEMS IMU / GPS几乎无法提供预期的理想导航精度。 提出了一种基于常规云模型的模糊自适应滤波(NCMFAF)来进行最优状态估计,该滤波的本质部分在于它对更新理论残差与实际残差之间的协方差差异程度具有积极作用。导航过程的外部变化。 具体而言,采用案例中的正常云模型模块作为自适应控制器,完成典型卡尔曼滤波器所涉及的测量噪声方差的系数调整,从而提高了卡尔曼滤波器在处理时间/环境方面的性能-通过数值模拟,结果表明NCMFAF过程可以应对这种突然的变化。噪声的统计特性实时变化,并证明速度/位置的估计精度大大提高。进行动态环境统计。