GPS-INS組合導(dǎo)航數(shù)據(jù)處理算法拓展研究.pdf

1、本文對(duì)GPS/INS組合導(dǎo)航數(shù)據(jù)處理的算法進(jìn)行了較系統(tǒng)研究，內(nèi)容涵蓋GPS/INS組合導(dǎo)航的基本原理、Kalman濾波先驗(yàn)隨機(jī)模型誤差的影響分析、組合導(dǎo)航中觀測(cè)異常及動(dòng)力學(xué)模型異常影響控制、非差精密單點(diǎn)定位與INS組合導(dǎo)航以及載波相位時(shí)間差分改善GPS/INS緊組合速度估計(jì)精度等方面的研究，論文的主要工作和創(chuàng)新點(diǎn)概括如下：
　　1、總結(jié)了GPS/INS組合導(dǎo)航數(shù)據(jù)處理的基本原理，分別介紹了GPS和INS導(dǎo)航數(shù)據(jù)處理方法，并簡單介紹

2、INS導(dǎo)航常用的坐標(biāo)系以及不同坐標(biāo)系之間的轉(zhuǎn)換，詳細(xì)給出INS的地固系中的解算過程和GPS/INS組合導(dǎo)航的濾波模型。
　　2、簡單介紹Kalman濾波以及抗差自適應(yīng)Kalman濾波的基本原理，著重分析了先驗(yàn)隨機(jī)模型誤差對(duì)Kalman濾波解的影響，分別對(duì)先驗(yàn)狀態(tài)噪聲協(xié)方差陣、先驗(yàn)觀測(cè)噪聲協(xié)方差陣以及先驗(yàn)狀態(tài)參數(shù)協(xié)方差陣以及上述矩陣中部分元素存在誤差情況進(jìn)行了分析。計(jì)算結(jié)果表明，Kalman濾波的先驗(yàn)隨機(jī)模型在濾波過程中有一個(gè)平衡點(diǎn)

3、，只要在這個(gè)平衡點(diǎn)上或是在平衡點(diǎn)附近，動(dòng)力學(xué)模型提供的先驗(yàn)狀態(tài)信息和當(dāng)前觀測(cè)信息對(duì)Kalman濾波解的貢獻(xiàn)都能達(dá)到或是接近理想水平，從而獲取較可靠的濾波結(jié)果；若動(dòng)力學(xué)模型本身精度較差，則增大相應(yīng)預(yù)測(cè)狀態(tài)協(xié)方差矩陣，能夠提高參數(shù)估計(jì)值的精度。
　　3、由于組合導(dǎo)航中觀測(cè)信息冗余較少，觀測(cè)異常誤差的影響無法通過抗差估計(jì)的方法進(jìn)行處理。為了控制觀測(cè)值異常對(duì)組合導(dǎo)航精度的影響，本文提出基于交互多模型的組合導(dǎo)航觀測(cè)數(shù)據(jù)異常影響控制算法，即建

4、立觀測(cè)正常和異常的多模型集，濾波過程中各個(gè)模型并行進(jìn)行計(jì)算，各模型間通過馬爾克夫模型概率進(jìn)行切換，當(dāng)觀測(cè)值正常時(shí)，正常模型起作用；觀測(cè)值異常時(shí)，故障模型起作用，濾波結(jié)果為各個(gè)模型濾波結(jié)果的加權(quán)融合。該算法能較好地抑制觀測(cè)信息異常對(duì)濾波解的影響。其中，模型概率的計(jì)算很重要，它影響模型的選擇。若預(yù)測(cè)殘差過大會(huì)造成模型概率過小，再有舍入誤差，就無法進(jìn)行模型的選擇。文中簡化了模型概率的計(jì)算公式，可以避免上述問題。
　　4、在動(dòng)態(tài)導(dǎo)航計(jì)算中

5、，標(biāo)準(zhǔn)Kalman濾波不具備抵制粗差的能力，易受系統(tǒng)狀態(tài)異常擾動(dòng)或觀測(cè)異常等因素的影響，導(dǎo)致濾波結(jié)果往往遠(yuǎn)遠(yuǎn)偏離真值。在動(dòng)力學(xué)模型可靠的情況下，為避免觀測(cè)異常對(duì)濾波結(jié)果的影響，建立處理觀測(cè)異常的觀測(cè)模型集合，以觀測(cè)模型集合中系數(shù)矩陣的期望來代替觀測(cè)方程的系數(shù)矩陣，利用隨機(jī)系數(shù)矩陣Kalman濾波算法來控制觀測(cè)信息異常的影響。計(jì)算結(jié)果表明，該算法同樣可有效地控制觀測(cè)值異常對(duì)濾波結(jié)果的影響。
　　5、在 GPS/INS組合導(dǎo)航中，對(duì)于

6、觀測(cè)異常的控制，可以建立相應(yīng)的觀測(cè)異常處理模型集合，通過交互多模型或基于隨機(jī)系數(shù)矩陣的Kalman濾波算法來進(jìn)行控制；而對(duì)于狀態(tài)異常擾動(dòng)誤差的影響，同樣也可利用上述兩種算法進(jìn)行控制，前提需建立相應(yīng)的動(dòng)力學(xué)模型異常擾動(dòng)誤差的模型集。但是，組合系統(tǒng)主要依賴于INS的力學(xué)編排提供載體的狀態(tài)信息，建立其相應(yīng)的動(dòng)力學(xué)模型異常擾動(dòng)誤差的模型集并不容易，鑒于此，提出一種基于隨機(jī)系數(shù)矩陣的自適應(yīng)Kalman濾波算法，即利用自適應(yīng)因子控制來動(dòng)力學(xué)模型異常

7、誤差的影響，用隨機(jī)系數(shù)矩陣的Kalman濾波控制觀測(cè)異常誤差的影響。
　　6、GPS/INS緊組合利用GPS原始的觀測(cè)值與INS進(jìn)行組合，沒有充分利用GPS的運(yùn)動(dòng)信息，本文提出一種顧及GPS運(yùn)動(dòng)信息的GPS/INS緊組合融合算法。該算法利用GPS常速度模型來預(yù)測(cè)載體的位置和速度誤差，為組合系統(tǒng)位置和速度誤差狀態(tài)的預(yù)報(bào)值增加了冗余，從而增強(qiáng)了組合系統(tǒng)部分先驗(yàn)預(yù)測(cè)狀態(tài)的可靠性，進(jìn)一步改善了整體導(dǎo)航精度。
　　7、利用載波相位時(shí)間