- 1、本文档被系统程序自动判定探测到侵权嫌疑,本站暂时做下架处理。
- 2、如果您确认为侵权,可联系本站左侧在线QQ客服请求删除。我们会保证在24小时内做出处理,应急电话:400-050-0827。
- 3、此文档由网友上传,因疑似侵权的原因,本站不提供该文档下载,只提供部分内容试读。如果您是出版社/作者,看到后可认领文档,您也可以联系本站进行批量认领。
查看更多
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
文档评论(0)