基于不确定度理论改进的FKF组合导航算法

针对低成本组合导航中使用的渐消卡尔曼滤波(FKF)组合导航算法易受突变噪声干扰,导致定位精度较低、鲁棒性差的问题,提出了一种基于不确定度理论改进的FKF组合导航算法。首先,建立低成本组合导航的系统方程和状态方程;然后,基于动态测量不确定度理论对观测数据建模实时计算,结合监测系数和变化量对观测噪声分析后,选择FKF组合导航算法的实现方式;最后,利用基蒂(Kitti)数据集进行仿真实验验证。结果表明:改进的组合导航算法在突变噪声的干扰下精度高、鲁棒性好,与间接卡尔曼滤波、FKF算法相比,位置误差精度提高35%,总体速度误差降低32%,为低成本车载组合导航系统提供了一种精度优化方案。

基于递推最小二乘的在线罗差校正方法

现有罗差校正方法不同程度地存在着需要精确控制采样点、校正结果受噪声影响大、不能实现现场环境下的在线校正等问题。针对这一问题,设计了一种基于递推最小二乘的在线罗差校正方法。介绍了罗差校正的基本原理,推导了基于递推最小二乘罗差校正的实现过程,设计了转台试验及车载试验进行验证分析。两次转台试验中,罗差校正前后系统航向角误差标准差分别由30.9418°与3.2407°降低至3.8861°与1.2964°;车载试验中,车辆仅需原地转圈即可实现罗差校正,15 min跑车结果显示,校正后航向角误差标准差由17.2037°降低至2.8818°。试验结果表明,该罗差校正方法简单易用,可应用于现场在线校正,相比传统方法高效、稳定。