基于Potter算法的水下航行器动基座初始对准滤波方法

研究了水下航行器动基座对准问题。建立了动基座对准误差模型。在对准时利用GPS提供的速度和姿态信息进行辅助对准,采用速度、姿态匹配的对准方式,建立了系统的观测方程。当考虑加速度计和陀螺仪引起的系统噪声激励时,方位失准角D的估计值振荡幅度较大。针对这一问题,提出了基于Potter算法的动基座对准滤波方法估计3个失准角。理论研究与仿真表明,该方法不但能快速精确地估计出水平失准角,而且解决了D的振荡问题,提高了其估计精度。

基于Potter算法的GPS/SINS组合导航数据处理

标准Kalman滤波存在因预报方差k/k 1P失去对称正定性而引起的发散问题,研究了基于Potter算法的平方根滤波进行GPS/SINS组合导航数据处理的方案,对精对准和松组合做了测试,结果表明,使用简单的对称化操作和Potter算法都能得到稳定的数值解,而Potter算法具有无需矩阵求逆及数值表达精度高的优点,是解决组合导航数据处理中滤波发散的一种有效方法。

高动态下紧耦合组合导航改进UKF滤波器设计

由于紧耦合导航系统模型为非线性模型,采用线性化滤波方法,线性化误差将影响组合导航的精度,高动态下影响更为明显。UKF(平淡卡尔曼滤波器)避免了非线性系统模型的线性化过程,具有较好的精度。但在高动态条件下,随着滤波迭代计算的进行,舍入误差的积累会引起均方误差矩阵失去非负定性甚至对称性,使滤波增益矩阵失去合适的加权作用从而导致滤波器的发散。提出一种UKF改进算法,将平方根滤波与UKF相结合,避免了高动态下的滤波发散问题。通过仿真比较,基于Potter平方根算法改进的UKF紧耦合导航系统在高动态情况下具有更好的精度及鲁棒性。