基于融合算法的組合導(dǎo)航方法研究.pdf

1、使用單一傳感器進(jìn)行導(dǎo)航，特別是使用低成本傳感器時(shí)，導(dǎo)航精度有限且容錯(cuò)性能不佳，這就需要同時(shí)使用多個(gè)傳感器進(jìn)行導(dǎo)航測(cè)量，并對(duì)測(cè)量數(shù)據(jù)進(jìn)行基于特定算法的融合，使各傳感器的誤差得到抑制，并且相互之間能夠優(yōu)勢(shì)互補(bǔ)，這種導(dǎo)航方法也就是組合導(dǎo)航。為了獲得較好的組合導(dǎo)航效果，本文主要進(jìn)行了以下幾個(gè)方面的工作：
　　1.分析了捷聯(lián)慣導(dǎo)系統(tǒng)（SINS）的導(dǎo)航原理，探索了SINS的誤差來源及分布。討論了基于GPS的偽距導(dǎo)航定位原理，并初步闡述了載波相

2、位觀測(cè)的關(guān)鍵技術(shù)。之后討論了天文導(dǎo)航定位原理和地磁導(dǎo)航定姿方法，并分析了地磁導(dǎo)航的誤差來源。
　　2.基于最小二乘濾波理論，分析了卡爾曼濾波的數(shù)學(xué)原理和濾波遞推方法，然后討論了擴(kuò)展卡爾曼濾波的實(shí)現(xiàn)過程和優(yōu)缺點(diǎn)，在此基礎(chǔ)上研究了無跡濾波算法的濾波過程，隨后討論了自適應(yīng)濾波方法以及強(qiáng)跟蹤濾波方法在非理想環(huán)境下的優(yōu)越性。之后引入了一種新興的濾波方法，即容積卡爾曼濾波，并對(duì)其數(shù)學(xué)原理進(jìn)行了比較詳細(xì)的介紹。在此基礎(chǔ)上，利用泰勒公式推導(dǎo)并比較

3、了容積卡爾曼濾波和無跡卡爾曼濾波的數(shù)值穩(wěn)定性及濾波精度，并通過仿真比較了無跡卡爾曼濾波和容積卡爾曼濾波的解算量的大小?；趶?qiáng)跟蹤原理并結(jié)合容積濾波的特性，提出了一種改進(jìn)的強(qiáng)跟蹤容積濾波方法。之后，研究了粒子濾波的非線性遞推過程，并提出了一種基于群優(yōu)化原理的粒子群改進(jìn)粒子濾波方法。
　　3.為了對(duì)導(dǎo)航傳感器的輸出數(shù)據(jù)進(jìn)行精確的融合，研究了應(yīng)用比較廣泛的聯(lián)邦濾波融合方法。在使用多傳感器測(cè)量的情況下，分析了狀態(tài)可觀測(cè)性對(duì)融合結(jié)果的影響，

4、討論了基于矢量原理的因子分配過程，初步分析了基于矢量分配的合理性。為了更適合實(shí)際應(yīng)用，使用了一種基于改進(jìn)的喬列斯基分解的逆矩陣求解方法。
　　4.基于計(jì)算機(jī)仿真，驗(yàn)證了本文提出的改進(jìn)型聯(lián)邦濾波融合的精確性，得到了比傳統(tǒng)聯(lián)邦濾波組合方法更高的估計(jì)精度。
　　5.初步探索了基于神經(jīng)網(wǎng)絡(luò)的INS/GPS組合導(dǎo)航方法，在神經(jīng)網(wǎng)絡(luò)的學(xué)習(xí)方法上，使用了粒子群優(yōu)化算法。之后對(duì)比了在GPS短期失效時(shí)有神經(jīng)網(wǎng)絡(luò)輔助和無神經(jīng)網(wǎng)絡(luò)輔助的精度差別，