交互式多模型自適應(yīng)濾波及其在SINS初始對準中應(yīng)用.pdf

1、初始對準技術(shù)是捷聯(lián)慣導(dǎo)系統(tǒng)(SINS)研究的重點方向，其中基于現(xiàn)代濾波理論的組合對準技術(shù)被廣泛用于SINS初始對準。在實際應(yīng)用中，通常要求艦船在航行過程中完成初始對準過程，而艦船運動受海況環(huán)境影響會顯著變化，此時由常規(guī)的單一濾波模型和濾波算法得到的對準精度和對準時間難以同時滿足要求；為此，本文提出了基于線性/非線性模型的交互式多模型(IMM)自適應(yīng)濾波來改善艦船航行在復(fù)雜海況環(huán)境以及噪聲統(tǒng)計信息不準確條件下SINS初始對準的對準性能。<

2、br>　　首先，本文深入研究了IMM理論，詳細推導(dǎo)了模型交互的概率公式，并對該算法在二維目標跟蹤中進行了仿真驗證；其次，推導(dǎo)了基于中心差分變換的Stirling插值公式，并基于二階Stirling插值公式得到中心差分卡爾曼濾波(CDKF)；針對線性/非線性模型的濾波估計問題，提出了在IMM框架下，分別采用卡爾曼濾波(KF)和CDKF進行濾波估計的方案，并在線性/非線性模型下進行了仿真實驗。
　　同時，文中深入分析了IMM、KF及C

3、DKF濾波性能，它們在應(yīng)用時不僅需要數(shù)學模型足夠精確，同時還要滿足系統(tǒng)噪聲和量測噪聲統(tǒng)計信息準確已知；但由于系統(tǒng)模型通常存在諸多不確定性，而且噪聲的統(tǒng)計信息也難以準確獲取，甚至噪聲的統(tǒng)計特性還具有時變性，所以此時常規(guī)濾波算法的性能將會下降，甚至還會引起發(fā)散。因此，本文分別從極大似然估計準則和新息校正法原理出發(fā)，詳細推導(dǎo)了基于新息自適應(yīng)的卡爾曼濾波(IAE-KF)和基于新息校正法的中心差分自適應(yīng)濾波(ICM-CDKF)算法，以提高 IMM

4、算法在系統(tǒng)模型存在不確定性，或噪聲統(tǒng)計信息未知、時變條件下的濾波性能，并在仿真實驗中驗證了自適應(yīng)算法的有效性。
　　針對復(fù)雜海況環(huán)境下以及噪聲統(tǒng)計信息不準確條件下的航行對準，綜合考慮對準精度和對準時間等因素，采用IMM自適應(yīng)濾波來完成初始對準；詳細推導(dǎo)了動基座環(huán)境下的SINS誤差方程，得到了小失準角和大方位失準角條件下的線性和非線性誤差狀態(tài)方程；在SINS/GPS組合系統(tǒng)中，得到了線性量測條件下ICM-CDKF改進算法；為了驗證算