非线性SPKF滤波算法研究及其在组合导航中的应用.pdf

摘 要 捷联惯性导航系统(Strap-down Inertial Navigation System, SINS)和全球定 位系统(Global Positioning System, GPS)所构成的组合导航系统本质上是非线 性的，且具有模型不确定性。目前，应用于SINS/GPS组合导航系统的非线性 滤波方法主要是扩展卡尔曼滤波器(Extended Kalman Filter, EKF) 。然而，EKF 存在一阶线性化精度偏低及需要计算非线性函数雅克比矩阵的缺点，造成了 其在组合导航实际工程应用中估计精度不佳；且EKF不具有克服系统模型不 确定的鲁棒性。近年来，随着对非线性滤波技术的需求不断加深，非线性滤 波理论也取得了显著进步，尤其是以Sigma点卡尔曼滤波(Sigma Point Kalman Filter, SPKF)为代表的新兴非线性滤波方法的发展成熟，使得非线性滤波理论 取得了长足的发展。 SPKF具有实现简单、滤波精度高、收敛性好等优点，正逐渐成为当前及 未来非线性滤波技术的研究热点和发展方向。本文以SINS/GPS组合导航系统 为应用背景，针对SPKF所存在的理论局限性，主要在以下几方面进行了理论 创新： 1) 根据线性最小方差估计准则，详细推导了非线性最优滤波递推公式。 2) 传统SPKF在噪声先验统计未知或时变情况下滤波精度下降甚至发 散，针对此问题，基于极大后验估计原理，设计了一种带噪声统计估计器的 自适应SPKF算法。 3) 类似于EKF ，传统SPKF不具有克服系统模型不确定的鲁棒性，为此 提出了一种带次优渐消因子的强跟踪SPKF算法。 同时，将上述非线性SPKF滤波理论创新成果应用于SINS/GPS组合系统 导航定位中，主要从以下几方面进行了研究： 1) 建立了以姿态、速度及位置等误差为基础的SINS/GPS组合导航系统 非线性模型，并比较了EKF和SPKF的滤波性能，仿真结果验证了SPKF 比EKF 具有更好的定位精度。 2) 针对惯性器件随机噪声统计在恶略工作环境下具有时变性的特点，将 自适应UKF算法应用于SINS/GPS组合系统中，仿真结果表明了自适应SPKF 在滤波前不要求精确已知惯性器件随机噪声的先验统计，且具有应对惯性器 件随机噪声统计变化的自适应能力。 3) 通常情况下，惯性器件随机常值漂移会被视为状态变量的一部分而采 用滤波器进行估计，且其易受运行环境影响中不确定因素的影响而发生突变。 为此，将强跟踪SPKF应用于SINS/GPS组合系统的仿真分析表明：强跟踪SPKF 对突变的惯性器件随机常值漂移具有很强跟踪能力，验证了其具有克服组合 导航系统模型不确定的鲁棒性。 关键词：SINS/GPS 组合导航系统；扩展卡尔曼滤波；Si