基于自适应滤波的SINS_GNSS组合导航算法研究.pdf

哈尔滨理工大学工学硕士学位论文

基于自适应滤波的SINS/GNSS组合导航算法研究

摘要

由捷联式惯性导航系统（StrapdownInertialNavigationSystem，SINS）以及

全球卫星导航系统（GlobalNavigationSatelliteSystem，GNSS）组成的SINS/GNSS

组合导航系统，凭借精度高、动态性能好、适用范围广、成本低等优点成为导航

系统发展趋势。其中，集微型化、低成本化和高度集成化等优势于一身的低成

本组合导航系统已被广泛应用于智能手机、可穿戴设备、无人机等各个领域。

然而，复杂的应用场景也给低成本组合导航中的数据融合算法带来新挑战，包

括自适应能力差、存在量粗差、模型不确定、高度系统复杂性等，导致导航系统

定位精度低、稳定性差。为此，本文以低成本SINS/GNSS组合导航系统为研究

对象，以提升组合导航系统整体性能为目标，对自适应滤波算法展开研究。

首先，介绍组合导航系统基本理论。详细阐述了SINS和GNSS的基本原

理，推导了SINS解算方法，并通过分析误差来源分别构建了SNIS和GNSS的

误差模型。更进一步地，设计了轨迹仿真，开展了SINS的解算分析。在以上分

析的基础上，建立了SINS/GNSS组合导航系统模型。

其次，提出一种改进的Sage-Husa自适应滤波算法。在线性系统框架下（1）

针对长时间工作后，算法自适应能力下降的问题，改进传统Sage-Husa自适应

滤波估计噪声所采用的等加权时间平均法，采用指数渐消记忆加权平均法实现

噪声的自适应估计，以提升算法的自适应能力。（2）针对传统算法存在量测粗

差导致滤波精度下降的问题，建立粗差检测机制并预测新息，然后利用预测新

息替代异常粗差，增强算法的抗粗差能力。（3）针对渐消记忆加权平均法的引

入可能导致的滤波发散问题，将强跟踪滤波引入渐消因子，动态调整滤波增益

矩阵，以确保改进滤波算法的鲁棒性。通过仿真实验对比现有方法，并设置噪

声异常场景、测量粗差等扰动，验证了所提算法在复杂环境下的有效性。

最后，提出一种改进的自适应无迹卡尔曼滤波算法。在非线性系统框架下：

（1）借鉴改进的Sage-Husa自适应滤波算法，采用指数渐消记忆加权平均法代

替等加权时间平均法，为无迹卡尔曼滤波引入了指数渐消记忆加权平均噪声估

计器，提升算法自适应能力。（2）针对系统过程模型未知或不确定的问题，利用

协方差匹配的思想，在无迹卡尔曼滤波中加入次优渐消因子，以避免因模型不

-I-

哈尔滨理工大学工学硕士学位论文

确定性而引发的滤波发散风险，进而增强算法稳定性。最后，基于设计仿真实

验和实地跑车，对比验证了改进无迹卡尔曼滤波算法的有效性和实用性。

总体上，本文首先针对传统线性滤波算法在自适应、测量粗差、模型精确构

建方面存在的不足，改进现有Sage-Husa自适应滤波算法，提升理想线性系统

中的滤波算法性能；其次，针对现实场景中系统具有高度复杂性导致传感器数

据呈非线性的问题，开展非线性滤波算法研究，借鉴线性系统经验，改进传统

的无迹卡尔曼滤波算法，进一步提升算法在真实非线性场景中的性能。

关键词组合导航；Sage-Husa自适应滤波；无迹卡尔曼滤波；渐消因子

-II-

哈尔滨理工大学工学硕士学位论文

ResearchonSINS/GNSSIntegrated

NavigationAlgorithmBasedon

AdaptiveFiltering

Abstract

TheSINS/GNSSintegratednavigationsystemcomposedofStrapdown