组合导航系统新息自适应卡尔曼滤波算法

全球定位系统(GPS)量测噪声的不稳定变化将造成惯性导航系统(INS)/GPS舰用组合系统卡尔曼滤波器性能下降,在对自适应卡尔曼滤波器分析的基础上,提出了一种新的基于新息估计的自适应卡尔曼滤波算法.该算法通过计算新息方差强度的极大似然估计最优估计,将新息方差计算直接引入卡尔曼滤波器的增益计算.仿真结果表明,本文方法较标准卡尔曼滤波器可以提高系统精度和抗干扰能力.

干扰条件下自适应滤波定位精度分析

在干扰条件下,单纯采用自适应滤波(adaptive Kalman filter,AKF)或扩展卡尔曼滤波器(extensive Kalman filter,EKF)在全球导航卫星系统/惯性测量单元(global navigation satellite systems/inertial measurement units,GNSS/IMU)组合导航的运用中都无法达到系统精度最优。为了指导组合导航系统的数据融合滤波器设计,获取AKF和EKF定位性能的经验数值是十分必要的。首先推导出EKF和一种AKF算法——新息序列自适应估计(innovation-based adaptive estimation,IAE)的数学模型和计算公式。然后提出了一种实际数据结合仿真的验证方法。针对不同的干扰程度造成的精度降低的测量值,比较AKF算法跟普通EKF在GNSS/IMU组合导航数据融合中的定位精度性能。试验和仿真得到了在实验所采用的IMU精度条件下,自适应滤波在组合导航方面的定位性能的经验曲线以及IAE与EKF定位精度存在的临界点。

GNSS/IMU中含丢弃策略的自适应滤波算法

针对新息序列自适应估计(IAE)在GNSS/IMU组合导航数据融合运用中的不足,提出了带丢弃策略的IAE算法(IAE-D)。此算法实时监控估计量的误差累计速度和观测量的质量,只在估计量的误差累计速度较大并且观测量的质量能满足要求的情况下更新估计量。采用对实际数据引入仿真生成的不同强度的噪声的方法,对IAE-D和传统的EKF、IAE等算法进行了性能分析比较。实验及仿真结果证明,IAE-D算法在干扰较大时,能减轻观测量噪声对组合导航系统性能的影响,减少传统IAE算法存在的偏差和收敛性问题。其稳定性和精度都要优于传统的EKF和IAE。当采用精度不高的GNSS接收机或GNSS信号受到干扰时,IAE-D具有工程运用前景。