基于CQKF的大方位失準角初始對準方法研究.pdf

1、卡爾曼濾波(Kalman Filter)是應用于線性系統(tǒng)的最經(jīng)典的濾波方法，但是在現(xiàn)實的系統(tǒng)中，絕大多數(shù)情況都是非線性的，所以傳統(tǒng)的卡爾曼濾波和線性模型并不能很完整的對系統(tǒng)進行估計。因此建立非線性模型，進行非線性濾波，更加符合現(xiàn)代系統(tǒng)對濾波的性能要求。利用確定性采樣策略來逼近系統(tǒng)的實際分布的非線性濾波方法由于沒有對非線性系統(tǒng)線性化的這一過程，因此得到了人們廣泛地關注和應用。容積積分卡爾曼濾波(Cubature Quadrature Ka

2、lman Filter，CQKF)算法是近年來較為新穎的算法，其特點主要有精度高、更加適應非線性系統(tǒng)等。CQKF算法正在獲得更多的關注，成為處理非線性濾波問題時的有效濾波算法。捷聯(lián)慣性導航系統(tǒng)(Stapdown Inertial NavigationSystem，SINS)在航空、航海、制導等領域有著重要的作用和地位，而初始對準是捷聯(lián)慣導的一項關鍵技術，其對準精度和對準時間直接影響著系統(tǒng)的工作性能。傳統(tǒng)的濾波方法只考慮到方位失準角為小角

3、度的情況，通過將系統(tǒng)模型線性化，完成初始對準。然而實際上方位失準角多數(shù)為大角度，因此建立大方位失準角初始對準模型，是提高慣導系統(tǒng)性能的重要途徑。本文在此基礎上研究了基于CQKF的大方位失準角初始對準方法
　　首先，介紹了傳統(tǒng)卡爾曼濾波器原理及其特點，但該算法只能應用于線性模型，因此，本文重點分析了經(jīng)典的容積卡爾曼濾波(Cubature Kalman Filter，CKF)算法。CKF的特點，包括有著嚴格的數(shù)學理論推導過程、濾波不易

4、發(fā)散、精度更高等。
　　其次，本文著重研究了CQKF的基本理論和推導過程，并總結了該算法的特點。CQKF是CKF的進化，在完全繼承了其優(yōu)點的同時，進一步提高了濾波精度。CKF在徑向積分部分只取得了一階的精度，針對這個問題，CQKF利用Gauss-Laguerre quadrature準則將該部分的積分精度提高到二階。
　　再次，由于噪聲對上述濾波方法的性能有著不可忽視的影響，對先驗噪聲統(tǒng)計準確性的過度依賴是上述所有濾波算法不

5、可避免的問題。在實際應用中，大多數(shù)系統(tǒng)的噪聲統(tǒng)計是不準確甚至是不可知的。針對這樣的問題，本文深入研究了Sage-Husa自適應濾波的原理，將其與CQKF相結合，提出了噪聲自適應的CQKF算法以解決上述問題。
　　最后，由于傳統(tǒng)的初始對準將模型線性化，該方法存在著不穩(wěn)定、精度低等問題。針對上述方法存在的適應性和精度等問題，本文介紹并采用了大方位失準角初始對準模型，并將CQKF算法應用于捷聯(lián)慣導大方為失準角初始對準系統(tǒng)中，獲得了更高的