INS-GPS組合導(dǎo)航系統(tǒng)濾波算法的研究.pdf

1、目前，卡爾曼濾波是研究INS/GPS組合導(dǎo)航的綜合濾波問題的一個主要手段。傳統(tǒng)的組合導(dǎo)航濾波器采用擴展卡爾曼濾波(EKF：Extended Kalman Filtering)算法，但INS/GPS組合導(dǎo)航系統(tǒng)本質(zhì)上是非線性的，對模型進行線性化的擴展卡爾曼濾波在一定程度上影響了系統(tǒng)的性能。近年來，直接使用非線性模型的無跡卡爾曼濾波(UKF：Unscented Kalman Filtering)正在逐漸成為研究非線性估計問題的熱點和有效方法

2、。 基于此出發(fā)點，本文將UKF這一非線性濾波方法，引入到組合導(dǎo)航系統(tǒng)的非線性模型中，并對傳統(tǒng)的UKF濾波算法進行適當(dāng)?shù)母倪M，提出了具有強跟蹤能力的自適應(yīng)UKF方法，這種改進算法能夠使系統(tǒng)誤差在較短的時間內(nèi)收斂，并與傳統(tǒng)的UKF濾波算法的精度相當(dāng)。研究的主要內(nèi)容及創(chuàng)新點如下： 首先，針對INS/GPS組合導(dǎo)航系統(tǒng)的基本原理、誤差模型和綜合模式，建立了INS/GPS組合導(dǎo)航系統(tǒng)的系統(tǒng)狀態(tài)方程和量測方程，并對該數(shù)學(xué)模型進行了速

3、度誤差和姿態(tài)角誤差的簡單仿真。 其次，針對INS/GPS組合導(dǎo)航系統(tǒng)的速度、位置綜合模型，采用反饋校正的綜合模式，對INS/GPS組合導(dǎo)航系統(tǒng)進行了綜合濾波。綜合濾波算法分別采用了EKF算法和UKF算法，并在選取同樣的參數(shù)和假設(shè)環(huán)境的前提下分別對EKF算法和UKF算法進行了仿真對比。結(jié)果表明EKF在用于綜合組合導(dǎo)航系統(tǒng)時易于實現(xiàn)，但穩(wěn)態(tài)特性不夠理想，魯棒性較差，并且軌跡跟蹤能力較差；而UKF的穩(wěn)態(tài)特性較理想，魯棒性較強，但軌跡跟

4、蹤能力仍然不夠理想。 再次，針對INS/GPS組合導(dǎo)航系統(tǒng)狀態(tài)模型維數(shù)較高這一問題，在傳統(tǒng)的UKF濾波算法的基礎(chǔ)上結(jié)合強跟蹤濾波思想給出的具有強跟蹤能力的自適應(yīng)UKF算法，且給出了具體算法的推導(dǎo)過程；從正交性原理出發(fā)詳細討論了在預(yù)報誤差協(xié)方差方程中引入的漸消因子的求解方法，且進一步引入多重漸消因子，分別對不同的數(shù)據(jù)通道進行漸消，進一步提高UKF濾波器的跟蹤能力。通過仿真證明強跟蹤UKF具有理想的穩(wěn)態(tài)特性，同時保持了良好的導(dǎo)航精度