非線性Bayesian濾波及其在SINS-GPS緊耦合導航中的應用研究.pdf

1、捷聯(lián)慣性導航系統(tǒng)(SINS)和全球定位系統(tǒng)(GPS)構(gòu)成的組合導航系統(tǒng)應用廣泛。在紛繁復雜的應用環(huán)境中,對SINS/GPS組合系統(tǒng)的精度、可靠性等方面性能提出了更高的要求。研究適用于組合導航系統(tǒng)的精度更高、魯棒性更強的非線性濾波算法是解決這一問題的重要途徑。本文以SINS/GPS緊耦合組合導航系統(tǒng)為背景,在Bayesian最優(yōu)濾波框架下對常用非線性濾波算法進行了精度、復雜度以及魯棒性等方面的分析和改進;同時將改進的算法用于處理SINS/

2、GPS緊耦合的對應問題,具體的研究內(nèi)容為:
　　分析了非線性Bayesian濾波的精度與復雜度并給出了選擇的依據(jù)。依據(jù)Bayesian定理導出了最優(yōu)遞推Bayesian濾波。從對后驗分布函數(shù)近似的角度,對適用于高斯分布系統(tǒng)的EKF、CDKF、UKF、CKF算法以及適用于非高斯系統(tǒng)的PF算法的近似思想進行了總結(jié)。分析了算法的精度和復雜度,以等效復雜度作為指標導出了較為精確的計算濾波復雜度的表達式。對算法進行了數(shù)值仿真,驗證了先前分析

3、的正確性。
　　研究了基于非線性Bayesian濾波的SINS/GPS緊耦合導航的非線性融合問題。通過對SINS的非線性誤差四元數(shù)狀態(tài)方程,GPS的非線性偽距、偽距率量測方程的推導揭示了緊耦合導航的非線性特性較松耦合系統(tǒng)更強。針對大初始誤差條件下SINS/GPS緊耦合系統(tǒng)較強的非線性特性,應用CKF和CPF來處理此問題。數(shù)值仿真表明了CKF和CPF在處理苛刻初始誤差上的強魯棒性。分析了GPS量測模型非線性程度,提出了一種簡化CKF

4、的緊耦合導航序貫融合方法,提高了系統(tǒng)實時性。
　　分析了變分Bayesian自適應卡爾曼濾波利用共軛分布對噪聲方差的估計原理,與傳統(tǒng)殘差自適應估計方法進行比較,指出了其相似性與差異性;當量測噪聲的均值與方差同時未知時,利用高斯逆Gamma分布對參數(shù)進行模擬,提出了一種可對兩者進行同步估計的變分Bayesian自適應卡爾曼濾波算法。針對SINS/GPS緊耦合系統(tǒng)中GPS噪聲建模誤差所導致的導航精度下降的問題,將變分Bayesian方

5、法與CKF相結(jié)合提出了新的VB-CKF,利用VB-CKF的后驗高斯分布作為PF的建議分布提出了VB-CPF算法,數(shù)值仿真證明了算法的有效性。將VB-CKF和VB-CPF算法應用于SINS/GPS緊耦合的自適應非線性融合中,抑制了傳統(tǒng)算法的精度下降及發(fā)散問題,從而有效提高了系統(tǒng)的魯棒性。
　　針對惡劣GPS觀測環(huán)境中可見衛(wèi)星受到部分遮擋的情況,從系統(tǒng)可觀測分析的角度對SINS/GPS緊耦合自身的魯棒性進行了分析與驗證。以狀態(tài)的可觀測

6、度作為系統(tǒng)魯棒性強弱的度量,分析了GPS可見衛(wèi)星數(shù)目變化對系統(tǒng)估計性能的影響,證明了緊耦合相對于松耦合的優(yōu)勢。
　　針對惡劣GPS觀測環(huán)境中信號受到遮擋引起定位精度差的問題,研究了卡爾曼平滑算法對失效期間信號的橋接問題。利用CKF改進了非線性函數(shù)的統(tǒng)計線性化;基于統(tǒng)計線性化函數(shù)分別推導出了前向背向平滑和RTS形式的平滑算法。對改進的統(tǒng)計線性化平滑算法進行反饋校正設計,提出了基于統(tǒng)計線性化前向背向容積平滑的SINS/GPS數(shù)據(jù)橋接方