复杂干扰环境下车载SINS_GNSS组合导航方法研究.pdfVIP

复杂干扰环境下车载SINS/GNSS组合导航方法研究

摘要

以智能化、互联化为特征的全球新一轮科技革命正在蓬勃发展，智能网联汽车已成

为未来汽车公认的发展方向。随着智能网联汽车对导航系统性能需求的日益提升，车载

导航系统正在从单一传感器系统向多传感器组合导航系统转变。以Kalman滤波组合导

航算法为核心的SINS/GNSS组合导航系统被视为较理想的车载组合导航系统，其中组

合导航方法的性能直接影响到系统的导航参数指标。然而，由于GNSS信号到达地面时

存在信号衰减的问题，容易受到复杂环境干扰从而引起系统的量测信息异常。基于此，

研究量测信息异常条件下的组合导航方法，从而获得精度高和可靠性好的组合导航性能，

是车载导航系统的技术研究重点和关键。

论文以车载SINS/GNSS组合导航系统松组合模式为研究对象，以提高复杂干扰环

境下导航系统参数精度为研究目的，针对不同量测信息异常类型，围绕SINS/GNSS组

合导航方法开展相应的问题建模和求解方法研究。论文的主要工作如下：

首先，针对传统量测野值检测方法检测准确率低和误检率高的问题，在捷联惯导系

统的力学编排和误差方程基础上，基于Kalman滤波算法原理，构建车载SINS/GNSS松

组合导航系统模型。基于新息协方差近似服从正态分布的特性，提出基于Shapiro-Wilk

检验的量测野值检测方法。仿真对比实验表明，所提量测野值检测方法与现有新息卡方

检验和观测值检验方法相比，量测野值检测平均准确率提高13%，平均误检率降低96%。

其次，针对载体运动状态急剧变化和量测野值干扰下导航参数估计精度下降的问题，

提出一种抗差自适应Kalman滤波算法。基于前后时刻状态一步预测值的变化量来构造

自适应因子，通过调节一步预测值来削弱载体运动状态急剧变化带来的影响，基于实际

与理论新息协方差的比值来构造抗差因子，进而调节量测野值。仿真和实测数据对比实

验表明，所提算法与现有抗差滤波算法相比，姿态角平均估计精度提高14%、速度和位

置的平均估计精度提高26%和23%。

然后，针对GNSS信号中断导致载体速度和位置估计值发散的问题，提出一种基于

多项式插值和Taylor展开的自适应Kalman滤波算法。基于SINS输出的导航信息，构

建速度和位置多项式插值函数，基于Taylor展开原理，对构建的多项式插值函数展开，

构建GNSS信号中断时刻的GNSS虚拟量测值。仿真和实测数据对比实验表明，所提算

法与现有基于内部约束的自适应滤波算法和基于神经网络的自适应算法相比，局部速度

和位置估计值发散问题被有效解决，速度和位置的平均估计精度提高24%和21%，接近

哈尔滨工程大学博士学位论文

GNSS信号正常时的导航参数估计精度。

最后，针对未知时变量测噪声干扰导致无法同时兼顾滤波跟踪灵敏度和导航参数估

计精度的问题，提出一种基于极大似然估计的自适应Kalman滤波算法。基于实际与理

论新息协方差变化量，设计窗口选择函数，进而自适应改变窗口数；基于窗口选择函数，

设计窗口权值函数，进而自适应调整窗口权值；使量测噪声协方差随环境变化而动态调

整，从而兼顾跟踪敏感度和精度。仿真对比实验表明，所提算法可以根据环境的变化动

态调整量测噪声协方差，体现出良好的自适应特性，与现有基于新息的自适应滤波算法

相比，姿态角平均估计精度提高38%、速度和位置的平均估计精度提高32%和23%。

关键词：量测信息异常；量测野值辨识；抗差自适应滤波；GNSS虚拟量测；新息自适

应滤波

复杂干扰环境下车载SINS/GNSS组合导航方法研究

ABSTRACT

Anewroundofglobaltechnologicalrevolutioncharacterizedbyintelligenceand

interconnectivityisflourishing,andintelligentconn