1.基于Huber滤波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：S1：通过鲁棒容积点生成框架实现滤波的时间更新；

S2：根据改进的Huber估计对量测信息进行重构实现滤波算法的量测更新；

时间更新包括容积点生产、先验容积点生产、状态向量预测值及协方差矩阵计算以及先验容积点更新；

所述S1的具体步骤为：

S11：考虑一个组合导航系统的非线性系统方程为：                          （1）                           （2）其中： 表示 时刻 维的状态向量；

表示过程噪声且它的方差为 ；

表示过程函数；

表示 时刻 维的量测向量；

表示量测函数；

表示 时刻的量测噪声，其方差为 ；

S12：给定初始时刻状态向量的估计值 及它的误差协方差 ，令 ，则根据公式（3）和（4）产生容积点及相应的权值；

                     （3）                    （4）其中： 表示产生的第 个容积点；

表示第 个容积点对应的权值；

表示大小为 维的零列向量；

表示单位矩阵；

表示球面容积矩阵且 ；

表示径向容积矩阵且 ；

和 分别表示单位矩阵 的第 列和第 列；

， 表示 行1列的矩阵， ；

S13：根据产生的容积点 计算先验容积点：                       （5）然后，根据先验容积点和相应的权值 对组合导航系统的状态向量预测值和误差协方差矩阵分别进行计算：                               （6）              （7）计算先验容积点残差矩阵 ，并对先验容积点进行更新：             （8）                    （9）                         （10）其中： 表示 的第 列向量；

表示乔列斯基分解运算。

2.根据权利要求1所述的基于Huber滤波更新框架的组合导航数据融合方法，其特征在于：量测更新包括更新状态向量的协方差矩阵、构建非线性回归方程、构建基于改进Huber的代价函数、计算状态向量的估计值及产生下一次数据融合所需的容积点。

3.根据权利要求2所述的基于Huber滤波更新框架的组合导航数据融合方法，其特征在于：所述S2包括以下步骤：S21：计算量测向量的预测值 及相应的误差协方差矩阵 、状态向量和量测向量之间的互协方差矩阵 ，                    （11）  （12）

  （13）

然后，计算滤波增益 和对状态向量的误差协方差矩阵 进行更新，                               （14）                               （15）对转换矩阵 和 进行计算：                 （16）              （17）S22：根据式（2）所示的量测方程构建非线性回归方程：                              （18）其中： 表示状态向量预测值和真值之间的误差；

令 ， ， ，则存在：

                                （19）构建基于改进Huber的代价函数：                                   （20）其中： ， 为 的第 个分量；

将改进的代价函数 表示为：                       （21）其中： 和 表示调节因子;令式（20）所示的代价函数值最小，可求得状态向量的估计值 ；

计算后验容积点残差矩阵 ：                            （22）其中： ；

然后，根据式（23）产生用于第 次数据融合的容积点；

                         （23）其中， 表示 的第 列元素；

最后，令 ，并返回所述S13执行下一个数据融合周期。