基于Rao-Blackwell粒子濾波的GPS-SINS緊耦合算法研究.pdf

1、基于慣性導航系統(tǒng)(INS)和衛(wèi)星導航系統(tǒng)(GNSS)的組合導航系統(tǒng)通過互補能夠提高系統(tǒng)的導航能力,改善單一導航系統(tǒng)的弱點,是當前導航研究領域的主要方向。在組合導航的研究問題中,信息融合問題一直以來都是組合導航研究的重點和難點。盡管由于卡爾曼濾波的提出,為慣性導航系統(tǒng)和衛(wèi)星組合導航系統(tǒng)的結合提供了理論上的支持,但是實際情況中并不存在理想的線性系統(tǒng),因此學者們提出了很多改進的濾波算法來提高組合導航系統(tǒng)的精度。如擴展卡爾曼濾波(Extened

2、KalmanFilter),無跡卡爾曼濾波(UnscentedKalmanFilter),H￥濾波,粒子濾波(ParterFilter),以及神經(jīng)網(wǎng)絡相結合的濾波算法,并對各種濾波算法進行了不同程度的改進。本文主要圍繞GPS/SINS組合導航系統(tǒng)及其濾波方法進行了研究。
　　(1)本文首先對GPS導航系統(tǒng)和慣性導航系統(tǒng)的原理進行了簡單介紹,然后分析了兩個系統(tǒng)的誤差并建立了它們的誤差模型,在GPS和INS誤差分析的基礎上建立了GPS

3、/SINS松耦合組合導航系統(tǒng)以及GPS/SINS緊耦合組合導航系統(tǒng)的狀態(tài)模型和量測模型。
　　(2)其次對組合導航系統(tǒng)中經(jīng)典的濾波算法進行了詳細的介紹和分析,其中無跡卡爾曼濾波(UnscentedKalmanFilter)算法和粒子濾波(ParterFilter)算法都不需要將非線性系統(tǒng)線性化就可以進行濾波,但是無跡卡爾曼濾波(UnscentedKalmanFilter)依賴于高斯分布;盡管粒子濾波(ParterFilter)完用

4、于非線性、非高斯情況,但受到粒子退化、粒子貧化以及計算量高等缺點的影響。已經(jīng)提出的改進的粒子濾波主算法要有,改進粒子濾波重要性函數(shù)的濾波算法,引入重采樣的濾波算法以及智能化的濾波算法等。
　　(3)本文提出了采用無跡的RTS固定區(qū)間平滑算法來改善粒子濾波的重要密度函數(shù)從而提高組合導航信息融合算法的濾波精度,并且引入Rao-Blackwell定理來解決維數(shù)較高的組合導航系統(tǒng)運算量較大的問題。最后使用MATLAB7.1對GPS/SIN