基于Rao-Blackwell粒子濾波的GPS-SINS緊耦合算法研究.pdf

1、基于慣性導(dǎo)航系統(tǒng)(INS)和衛(wèi)星導(dǎo)航系統(tǒng)(GNSS)的組合導(dǎo)航系統(tǒng)通過(guò)互補(bǔ)能夠提高系統(tǒng)的導(dǎo)航能力,改善單一導(dǎo)航系統(tǒng)的弱點(diǎn),是當(dāng)前導(dǎo)航研究領(lǐng)域的主要方向。在組合導(dǎo)航的研究問(wèn)題中,信息融合問(wèn)題一直以來(lái)都是組合導(dǎo)航研究的重點(diǎn)和難點(diǎn)。盡管由于卡爾曼濾波的提出,為慣性導(dǎo)航系統(tǒng)和衛(wèi)星組合導(dǎo)航系統(tǒng)的結(jié)合提供了理論上的支持,但是實(shí)際情況中并不存在理想的線(xiàn)性系統(tǒng),因此學(xué)者們提出了很多改進(jìn)的濾波算法來(lái)提高組合導(dǎo)航系統(tǒng)的精度。如擴(kuò)展卡爾曼濾波(Extened

2、KalmanFilter),無(wú)跡卡爾曼濾波(UnscentedKalmanFilter),H￥濾波,粒子濾波(ParterFilter),以及神經(jīng)網(wǎng)絡(luò)相結(jié)合的濾波算法,并對(duì)各種濾波算法進(jìn)行了不同程度的改進(jìn)。本文主要圍繞GPS/SINS組合導(dǎo)航系統(tǒng)及其濾波方法進(jìn)行了研究。
　　(1)本文首先對(duì)GPS導(dǎo)航系統(tǒng)和慣性導(dǎo)航系統(tǒng)的原理進(jìn)行了簡(jiǎn)單介紹,然后分析了兩個(gè)系統(tǒng)的誤差并建立了它們的誤差模型,在GPS和INS誤差分析的基礎(chǔ)上建立了GPS

3、/SINS松耦合組合導(dǎo)航系統(tǒng)以及GPS/SINS緊耦合組合導(dǎo)航系統(tǒng)的狀態(tài)模型和量測(cè)模型。
　　(2)其次對(duì)組合導(dǎo)航系統(tǒng)中經(jīng)典的濾波算法進(jìn)行了詳細(xì)的介紹和分析,其中無(wú)跡卡爾曼濾波(UnscentedKalmanFilter)算法和粒子濾波(ParterFilter)算法都不需要將非線(xiàn)性系統(tǒng)線(xiàn)性化就可以進(jìn)行濾波,但是無(wú)跡卡爾曼濾波(UnscentedKalmanFilter)依賴(lài)于高斯分布;盡管粒子濾波(ParterFilter)完用

4、于非線(xiàn)性、非高斯情況,但受到粒子退化、粒子貧化以及計(jì)算量高等缺點(diǎn)的影響。已經(jīng)提出的改進(jìn)的粒子濾波主算法要有,改進(jìn)粒子濾波重要性函數(shù)的濾波算法,引入重采樣的濾波算法以及智能化的濾波算法等。
　　(3)本文提出了采用無(wú)跡的RTS固定區(qū)間平滑算法來(lái)改善粒子濾波的重要密度函數(shù)從而提高組合導(dǎo)航信息融合算法的濾波精度,并且引入Rao-Blackwell定理來(lái)解決維數(shù)較高的組合導(dǎo)航系統(tǒng)運(yùn)算量較大的問(wèn)題。最后使用MATLAB7.1對(duì)GPS/SIN