论文部分内容阅读
捷联式惯性导航系统(SINS)和全球定位系统(GPS)的组合导航系统将这两种导航系统的优点于一身,能解决捷联式惯性导航系统的速度误差和位置误差随时间积累的问题,对SINS/GPS组合导航方法进行深入、细致地研究将具有十分重要的意义。本文以SINS/GPS松组合导航为背景,研究重点集中于组合导航过程中数据融合算法,即自适应卡尔曼滤波。本文主要研究Sage-Husa自适应卡尔曼滤波和变分贝叶斯自适应卡尔曼滤波,其中Sage-Husa自适应卡尔曼滤波在系统噪声Q或量测噪声R统计特性未知情况下,估计出Q值或R值,从而提升了滤波的精度,但当Q值或R值急剧减小时会造成滤波精度下降甚至发散,而变分贝叶斯自适应卡尔曼滤波对当前时刻R值的估计不需要前一时刻R值,因此具有比Sage-Husa自适应卡尔曼滤波更高的稳定性,但其在滤波过程中无法估计系统噪声Q值,其滤波精度有待进一步提高。本文提出一种改进的变分贝叶斯自适应卡尔曼滤波算法,其原理是利用Sage-Husa自适应卡尔曼滤波能对Q值进行估计的特点对变分贝叶斯自适应卡尔曼滤波进行改进,使改进后的滤波精度得到更高的提升。首先,建立SINS/GPS组合导航系统模型,为本文中的自适应滤波提供仿真环境,接下来在SINS/GPS组合导航的仿真环境下对SageHusa自适应卡尔曼滤波进行仿真。仿真结果表明,在量测噪声R未知的情况下,SageHusa自适应卡尔曼滤波精度比经典的卡尔曼滤波精度高,但在量测噪声R急剧减小的情况下会导致Sage-Husa自适应卡尔曼滤波发散。然后,在SINS/GPS组合导航的仿真环境下对变分贝叶斯自适应卡尔曼滤波进行仿真,仿真结果表明在量测噪声R急剧减小的情况下,其滤波精度比Sage-Husa自适应卡尔曼滤波和经典卡尔曼滤波都高,并在SINS/GPS的仿真环境下对改进后的变分贝叶斯自适应卡尔曼滤波进行仿真。仿真结果表明改进后的变分贝叶斯自适应卡尔曼滤波的精度高于未改进的变分贝叶斯自适应卡尔曼滤波的精度。最后,为了验证改进后滤波算法的优点,分别使用Sage-Husa自适应卡尔曼滤波、变分贝叶斯自适应卡尔曼滤波和改进的变分贝叶斯自适应卡尔曼滤波来处理SINS/GPS组合导航的实际车载数据。实际数据结果表明,改进的变分贝叶斯自适应滤波精度高于其他两种自适应滤波。改进的变分贝叶斯自适应卡尔曼滤波不仅保留了变分贝叶斯自适应卡尔曼滤波估计量测噪声R值的优点,还能在系统噪声Q未知的情况下提高了滤波精度,验证了改进的变分贝叶斯自适应卡尔曼滤波算法的优点。