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

1、本文對GPS/INS組合導(dǎo)航數(shù)據(jù)處理的算法進行了較系統(tǒng)研究，內(nèi)容涵蓋GPS/INS組合導(dǎo)航的基本原理、Kalman濾波先驗隨機模型誤差的影響分析、組合導(dǎo)航中觀測異常及動力學(xué)模型異常影響控制、非差精密單點定位與INS組合導(dǎo)航以及載波相位時間差分改善GPS/INS緊組合速度估計精度等方面的研究，論文的主要工作和創(chuàng)新點概括如下：
　　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，著重分析了先驗隨機模型誤差對Kalman濾波解的影響，分別對先驗狀態(tài)噪聲協(xié)方差陣、先驗觀測噪聲協(xié)方差陣以及先驗狀態(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行了分析。計算結(jié)果表明，Kalman濾波的先驗隨機模型在濾波過程中有一個平衡點

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

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

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)異常擾動或觀測異常等因素的影響，導(dǎo)致濾波結(jié)果往往遠遠偏離真值。在動力學(xué)模型可靠的情況下，為避免觀測異常對濾波結(jié)果的影響，建立處理觀測異常的觀測模型集合，以觀測模型集合中系數(shù)矩陣的期望來代替觀測方程的系數(shù)矩陣，利用隨機系數(shù)矩陣Kalman濾波算法來控制觀測信息異常的影響。計算結(jié)果表明，該算法同樣可有效地控制觀測值異常對濾波結(jié)果的影響。
　　5、在 GPS/INS組合導(dǎo)航中，對于

6、觀測異常的控制，可以建立相應(yīng)的觀測異常處理模型集合，通過交互多模型或基于隨機系數(shù)矩陣的Kalman濾波算法來進行控制；而對于狀態(tài)異常擾動誤差的影響，同樣也可利用上述兩種算法進行控制，前提需建立相應(yīng)的動力學(xué)模型異常擾動誤差的模型集。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)的動力學(xué)模型異常擾動誤差的模型集并不容易，鑒于此，提出一種基于隨機系數(shù)矩陣的自適應(yīng)Kalman濾波算法，即利用自適應(yīng)因子控制來動力學(xué)模型異常

7、誤差的影響，用隨機系數(shù)矩陣的Kalman濾波控制觀測異常誤差的影響。
　　6、GPS/INS緊組合利用GPS原始的觀測值與INS進行組合，沒有充分利用GPS的運動信息，本文提出一種顧及GPS運動信息的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)報值增加了冗余，從而增強了組合系統(tǒng)部分先驗預(yù)測狀態(tài)的可靠性，進一步改善了整體導(dǎo)航精度。
　　7、利用載波相位時間