本发明专利技术提供一种基于GPS/INS组合导航系统不同测量特性的自适应滤波方法，该方法利用IMU测量得到的数据与INS的初始数据进行捷联惯导实时解算，建立GPS/INS速度位置组合滤波系统方程，并根据GPS/INS双系统测量互差分序列，统计计算GPS测量噪声协方差估计值，进行自适应的卡尔曼滤波解算。本发明专利技术实现了GPS测量噪声的实时跟踪，以及滤波增益矩阵的自适应调节，提高了组合导航系统定位精度。
【技术实现步骤摘要】
本专利技术涉及一种GPS/INS组合导航信息融合的自适应滤波方法，可有效抑制GPS 时变噪声引起的标准卡尔曼滤波精度下降情况，用于提高GPS/INS组合导航定位精度。
技术介绍
GPS/INS (全球定位系统/惯性导航系统)组合导航系统因其互补性和定位高精度 性而被广泛应用，其信息融合技术通常为卡尔曼滤波算法。标准的卡尔曼滤波算法是已知 噪声统计特性时的最优估计，但在实际情况中，由于可见卫星数目、多路径效应以及仪器内 部测量噪声等多种因素会造成GPS测量噪声的变化，标准的卡尔曼滤波算法无法对此进行 检测与调节，从而导致精度下降甚至发散，如何有效解决GPS时变噪声对GPS/INS组合导航 滤波算法的影响，对于提高组合导航定位精度具有重要意义。近年来，学者们提出了多种自适应算法，研究方向主要集中在基于信息的自适应 估计(IAE)和基于多模型的自适应估计(MMAE)。IAE是通过利用信息序列对噪声统计特性 进行自适应估计(典型代表为sage-husa算法)，但此过程中滤波参数间的迭代运算容易导 致误差的耦合，影响滤波精度。MMAE是通过并行运算各滤波模型的状态估计，自适应加权得 系统状态的总体估计，但由于其计算量大，并没有广泛应用于工程实际中。此外，与模糊逻 辑、神经网络等思想相结合，又发展了一些自适应方法，但目前仍处于理论研究阶段。本发 明基于GPS、INS的不同测量特性，充分利用导航子系统的测量信息，实现了对GPS测量噪声 的自适应估计，具有实际的工程应用意义。
技术实现思路
在不知被测真值的情况下，若只存在一种测量手段，则测量噪声难以确定；若对同 一量存在两种不同性质的测量，则可以实现部分噪声的估计。本专利技术的目的在于克服现有 滤波技术的不足，鉴于INS、GPS误差传播的互补性以及惯导系统的短期高精度性，提供一 种基于GPS/INS组合导航系统不同测量特性的自适应滤波方法，通过本专利技术方法能够充分 利用测量信息实时计算GPS测量噪声，有效提高GPS噪声未知情况下组合导航系统定位精 度。本专利技术一种基于GPS/INS组合导航系统不同测量特性的自适应滤波方法，通过下 述步骤来完成步骤一利用IMU(惯性测量单元)的测量数据(沿载体轴相对于惯性空间的角速 率和加速度分量信息)与INS (惯性导航系统)的初值(INS的初始位置、速度、姿态及初始 姿态矩阵信息)，通过捷联惯导实时解算，得到INS的输出值(INS位置、速度、姿态的输出 值)；步骤二 根据INS动态误差(包括INS的平台误差角方程、速度误差方程、位置误 差方程以及陀螺、加速度计误差模型)以及INS与GPS的位置差、速度差，分别建立GPS/INS组合导航系统卡尔曼滤波器的状态方程与观测方程；步骤三通过连续系统离散化，建立离散型卡尔曼滤波器的递推方程；步骤四根据GPS数据采集频率，计算GPS/INS双系统测量互差分序列；步骤五设定时间阈值T，若组合导航系统滤波解算时刻k不大于时间阈值T，则对 步骤四中得到的GPS/INS双系统测量互差分序列进行小样本统计的可信度判别；若组合导 航系统滤波解算时刻k大于时间阈值T则直接进行步骤六； 步骤六根据GPS/INS双系统测量互差分序列，采用连续滑动窗口法计算GPS测量 噪声协方差估计值，将其代入步骤三所述的卡尔曼滤波器的递推方程，进行自适应的卡尔 曼滤波解算。通过上述方法，构造GPS/INS双系统测量互差分序列，消去真实值的相对变化量， 获得含GPS测量噪声信息的有效序列，实现了 GPS测量噪声协方差的实时测量统计，自适应 调整滤波增益，提高组合系统输出精度和滤波稳定性。本专利技术的优点在于1、本专利技术通过对GPS/INS双系统测量互差分序列进行统计分析，实现了 GPS测量 噪声的实时跟踪，以及滤波增益矩阵的自适应调节，提高了组合导航系统定位精度；2、本专利技术充分利用GPS、陀螺、加速度计等测量信息完成对GPS测量噪声的自适应 估计，有效避免了基于信息的自适应算法利用信息序列进行噪声统计特性估计时滤波参数 间的误差耦合现象，具有良好的算法稳定性和系统鲁棒性；3、本专利技术方法简单，易于操作。附图说明图1为本专利技术方法流程图；图加为陀螺随机常值漂移0. 01° /h，随机漂移0. 005° /h时，本专利技术方法、标准 卡尔曼滤波算法、基于信息的自适应滤波算法间经度方向R值与GPS测量噪声经度方向预 设参考值的仿真结果对比图；图2b为陀螺随机常值漂移0. 01° /h，随机漂移0. 005° /h时，本专利技术方法与标准 卡尔曼滤波算法、基于信息的自适应滤波算法间组合系统输出值的经度误差的仿真结果对 比图；图2c为陀螺随机常值漂移0. 01° /h，随机漂移0. 005° /h时，本专利技术方法、标准 卡尔曼滤波算法、基于信息的自适应滤波算法间纬度方向R值与GPS测量噪声纬度方向预 设参考值的仿真结果对比图；图2d为陀螺随机常值漂移0.01° /h，随机漂移0.005° /h时，本专利技术方法与标准 卡尔曼滤波算法、基于信息的自适应滤波算法间组合系统输出值的纬度误差的仿真结果对 比图；图3a为陀螺随机常值漂移增为0. 1° /h,随机漂移增为0. 05° /h时，本专利技术方 法、标准卡尔曼滤波算法、基于信息的自适应滤波算法间经度方向R值与GPS测量噪声经度 方向预设参考值的仿真结果对比图；图北为陀螺随机常值漂移增为0. 1° /h，随机漂移增为0.05° /h时，本专利技术方法 与标准卡尔曼滤波算法、基于信息的自适应滤波算法间组合系统输出值的经度误差的仿真结果对比图；图3c为陀螺随机常值漂移增为0. 1° /h,随机漂移增为0. 05° /h时，本专利技术方 法、标准卡尔曼滤波算法、基于信息的自适应滤波算法间纬度方向R值与GPS测量噪声纬度 方向预设参考值的仿真结果对比图；图3d为陀螺随机常值漂移增为0. 1° /h，随机漂移增为0.05° /h时，本专利技术方法 与标准卡尔曼滤波算法、基于信息的自适应滤波算法间组合系统输出值的纬度误差的仿真 结果对比图。具体实施例方式下面结合附图与实施例对本专利技术做进一步的详细说明。本实施例中载体的初始位置为东经116°，北纬39. 2°，高度1000m，速度300m/ s，航向角35°，飞行7200s。陀螺随机常值漂移0.01° /h，随机漂移0. 005° /h，加速度 计随机常值漂移100 μ g，随机漂移50 μ g。GPS速度误差0. lm/s,高度误差120m，经纬度误 差为15m。为了考察GPS/INS组合导航系统对GPS测量抗干扰的效果，GPS经纬度误差在 1000s-3000s时段增为40m，如图2a、2c所示。应用本专利技术提供的一种基于GPS/INS组合导 航系统不同测量特性的自适应滤波方法，如图1所示流程图，通过下列步骤实现自适应滤 波步骤一利用IMU(惯性测量单元)测量得到沿载体轴相对于惯性空间的角速率和 加速度分量信息)，与INS(惯性导航系统)的初始位置、速度、姿态及初始姿态矩阵信息，进 行捷联惯导实时解算，得到INS的位置、速度、姿态的输出值；步骤二 根据INS动态误差(包括INS的平台误差角方程、速度误差方程、位置误 差方程以及陀螺、加速度计误差模型)，建立GPS/INS组合导航系统卡尔曼滤波器本文档来自技高网...
【技术保护点】
一种基于ＧＰＳ／ＩＮＳ组合导航系统不同测量特性的自适应滤波方法，包括：步骤一：利用ＩＭＵ惯性测量单元测量得到沿载体轴相对于惯性空间的角速率和加速度分量信息，与ＩＮＳ惯性导航系统的初始位置、速度、姿态及初始姿态矩阵信息，进行捷联惯导实时解算，得到ＩＮＳ位置、速度、姿态的输出值；步骤二：根据ＩＮＳ的平台误差角方程、速度误差方程、位置误差方程以及陀螺、加速度计误差模型，并根据ＩＮＳ与ＧＰＳ的位置差、速度差，分别建立ＧＰＳ／ＩＮＳ组合导航系统卡尔曼滤波器的状态方程与观测方程；步骤三：通过连续系统离散化，建立离散型卡尔曼滤波器的递推方程；其特征在于：还包括下述步骤：步骤四：根据ＧＰＳ数据采集频率，计算ＧＰＳ／ＩＮＳ双系统测量互差分序列；步骤五：设定时间阈值Ｔ，若组合导航系统滤波解算时刻ｋ不大于时间阈值Ｔ，则对步骤四中得到的ＧＰＳ／ＩＮＳ双系统测量互差分序列进行小样本统计的可信度判别；若组合导航系统滤波解算时刻ｋ大于时间阈值Ｔ则直接进行步骤六；步骤六：根据ＧＰＳ／ＩＮＳ双系统测量互差分序列，采用连续滑动窗口法计算ＧＰＳ测量噪声协方差估计值，将其代入步骤三所述的卡尔曼滤波器的递推方程，进行自适应的卡尔曼滤波解算。...
【技术特征摘要】
【专利技术属性】
技术研发人员：张海，常艳红，沈晓蓉，毛友泽，车欢，周启帆，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：11
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。