自適應(yīng)濾波在組合導(dǎo)航和初始對準(zhǔn)中的應(yīng)用研究.pdf

1、組合導(dǎo)航系統(tǒng)通常采用Kalman濾波來實現(xiàn)多個導(dǎo)航系統(tǒng)的數(shù)據(jù)融合，但系統(tǒng)模型誤差以及不確定性干擾限制了Kalman 濾波器的工程應(yīng)用。針對此問題，論文對以慣性為主的組合導(dǎo)航系統(tǒng)中的自適應(yīng)濾波算法進(jìn)行了研究。
　　 論文研究了自適應(yīng)Kalman 濾波算法，提出了改進(jìn)的Sage 自適應(yīng)濾波算法和分類因子自適應(yīng)濾波算法，以解決Kalman 濾波在實際工程應(yīng)用中估計精度下降的問題；為降低Kalman濾波器的計算量及對內(nèi)存空間的要求，論文

2、對狀態(tài)偏差解耦的Kalman濾波算法進(jìn)行了研究，并將改進(jìn)的分類因子自適應(yīng)算法與偏差解耦算法相結(jié)合，提出了基于偏差解耦的自適應(yīng)Kalman濾波算法。通過數(shù)字仿真和實際跑車數(shù)據(jù)測試，驗證了各種算法的有效性。
　　 針對多普勒/慣性組合導(dǎo)航系統(tǒng)無法建立相對精確的濾波器模型問題，論文進(jìn)行多普勒/慣性組合導(dǎo)航系統(tǒng)的H∞濾波算法研究，提出了基于漸消因子的自適應(yīng)H∞濾波算法，采用實測數(shù)據(jù)對兩種算法進(jìn)行了可行性和有效性驗證。
　　 針對

3、Kalman濾波器在初始對準(zhǔn)實際應(yīng)用中精度低、穩(wěn)定性差的問題，根據(jù)初始對準(zhǔn)的特點提出了基于模糊邏輯推理的復(fù)合自適應(yīng)Kalman濾波算法。該算法采用衰減記憶法利用新息實時估計系統(tǒng)噪聲方差陣，并用模糊推理得到的自適應(yīng)因子調(diào)節(jié)濾波增益陣和系統(tǒng)噪聲陣。仿真驗證了該算法能提高濾波器的魯棒性，保證了濾波精度。
　　 在對GPS/SINS組合導(dǎo)航系統(tǒng)模型及導(dǎo)航算法研究分析的基礎(chǔ)上，基于微小型導(dǎo)航計算機平臺進(jìn)行了組合導(dǎo)航系統(tǒng)自適應(yīng)濾波算法的軟件