Рассматривается методика робастной инновационной адаптации расширенного фильтра Калмана (EKF) для автономной бесплатформенной инерциальной навигационной системы (БИНС) на основе МЭМС-IMU в условиях негауссовых выбросов измерений. В MATLAB/Simulink выполняется имитационное моделирование с формированием сценариев одиночных выбросов, пакетов выбросов и смены спектральных характеристик шума IMU. Сравниваются базовая, адаптивная и робастно-адаптивные конфигурации EKF с робастным взвешиванием инноваций (Huber, Tukey). Оценка выполняется по метрикам навигационной точности, NIS-согласованности, вероятности дивергенции фильтра и времени восстановления после выброса в серии Monte-Carlo экспериментов. Дополнительно вводится прикладная интерпретация результатов через снижение эксплуатационных потерь: уменьшение доли срывов оценивания и сокращение времени восстановления рассматриваются как факторы снижения стоимости повторных проходов, остановок миссии и нештатных режимов БАС. Результаты представлены в виде графиков и таблиц и используются для формирования практических рекомендаций по выбору робастной схемы и параметров настройки для типовых помеховых режимов.
The paper considers a robust innovation-based adaptation method for the extended Kalman filter (EKF) applied to an autonomous strapdown inertial navigation system (SINS) using MEMS-IMU measurements under non-Gaussian outliers. A MATLAB/Simulink simulation framework is used to generate single outlier events, burst outlier sequences, and changes in IMU noise spectral characteristics. Baseline, adaptive, and robust-adaptive EKF configurations with robust innovation weighting (Huber, Tukey) are compared. The evaluation relies on navigation accuracy metrics, NIS consistency, filter divergence probability, and recovery time after outliers in a Monte Carlo experiment series. In addition, the results are interpreted from an operational-economic viewpoint: reducing divergence rate and shortening recovery time are treated as factors that lower mission re-run costs, downtime, and abnormal-mode losses for unmanned and robotic platforms. The results are presented as plots and tables and are used to derive practical recommendations for selecting a robust scheme and tuning parameters for typical interference scenarios.