一種基于改進(jìn)自適應(yīng)卡爾曼濾波的GNSS/INS組合導(dǎo)航算法
發(fā)布時間：2022-01-08 06:19
在全球衛(wèi)星導(dǎo)航系統(tǒng)/慣性導(dǎo)航系統(tǒng)（global navigation satellite system/inertial navigation system,GNSS/INS）組合系統(tǒng)中,狀態(tài)模型誤差和異常擾動的影響嚴(yán)重降低了標(biāo)準(zhǔn)卡爾曼濾波的性能,而基于預(yù)測殘差自適應(yīng)的卡爾曼濾波隨計算次數(shù)的增加濾波效果降低,且使用統(tǒng)一的自適應(yīng)因子調(diào)節(jié)不可靠。針對上述問題,提出一種改進(jìn)算法,利用預(yù)測殘差建立的統(tǒng)計量調(diào)節(jié)位置向量和速度向量,避免了其他參數(shù)對濾波的平衡作用;通過預(yù)測殘差的概率密度建立馬氏距離進(jìn)行假設(shè)檢驗,在模型正常時使用標(biāo)準(zhǔn)卡爾曼濾波,模型異常時使用改進(jìn)濾波算法;采用實測車載數(shù)據(jù)對標(biāo)準(zhǔn)卡爾曼濾波、單因子自適應(yīng)濾波和本文的濾波方法進(jìn)行評估,實驗結(jié)果表明:改進(jìn)的自適應(yīng)卡爾曼濾波的濾波算法效果良好,證明了所提算法的有效性。
【文章來源】：科學(xué)技術(shù)與工程. 2020,20(03)北大核心
【文章頁數(shù)】：5 頁
【部分圖文】：
改進(jìn)后算法計算程序
使用車載移動測量系統(tǒng)采集一組GNSS和INS數(shù)據(jù)對算法進(jìn)行驗證。設(shè)備為NovAtel ProPak6雙系統(tǒng)(GPS和BDS)接收機(jī)以及Span-LCI類型的慣導(dǎo)。IMU采樣率為200 Hz,GNSS采樣率為5 Hz,組合采樣率為5 Hz;初始坐標(biāo)精確已知,觀測環(huán)境良好。算例中,相應(yīng)參數(shù)由經(jīng)驗設(shè)定:陀螺儀相關(guān)時間為600 s,初始方差為1.0°/h,加速度計相關(guān)時間為600 s,初始方差為50.0 μg;初始位置誤差分別為1.0、1.0、1.0 m;初始速度誤差分別為0.01、0.01、001 m/s;初始平臺失準(zhǔn)角誤差分別為100.0、100.0、100.0 s;采用商業(yè)軟件Inertial Explorer 8.6(IE)緊組合解算的位置、速度結(jié)果作為真值;臨界值c=1.0。行車軌跡如圖2所示。為驗證改進(jìn)算法的有效性,提出如下3種方案:① 標(biāo)準(zhǔn)卡爾曼濾波(KF);②單因子自適應(yīng)卡爾曼濾波(AKF);③改進(jìn)的自適應(yīng)卡爾曼濾波(MAKF)。
圖3～圖5所示為利用KF、AKF和MAKF在東方向、北方向和天方向位置誤差對比,由圖3～圖5可知,在整個濾波過程中,相對于KF,AKF和MAKF穩(wěn)定性更好,這是因為KF采用固定的系統(tǒng)噪聲陣和量測噪聲陣,當(dāng)其與實際系統(tǒng)有較大差異時會導(dǎo)致誤差增大,甚至發(fā)散。AKF利用預(yù)測殘差構(gòu)造自適應(yīng)因子,當(dāng)載體處于非平衡狀態(tài)時,利用自適應(yīng)因子調(diào)節(jié)狀態(tài)預(yù)報向量和觀測向量的權(quán)陣,平衡二者對狀態(tài)估值的貢獻(xiàn),可較好的控制動力學(xué)模型擾動的影響。表1所示為3種方案的均方根,可以更直觀地比較濾波的性能。與KF相比,AKF在東北天方向位置估計精度分別提高了0.168、0.148 2、0.175 7 m,而MAKF在東北天方向位置估計精度分別提高了0.173 3、0.153 6、0.186 4 m。由此可見,AKF和MAKF精度均高于KF,其中MAKF略有優(yōu)勢。
【參考文獻(xiàn)】：
期刊論文
[1]抗差與自適應(yīng)組合的卡爾曼濾波算法在動態(tài)導(dǎo)航中的研究[J]. 李剛,蔡成林,李思敏,王亮亮. 重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2015(01)
[2]基于GPS/INS組合導(dǎo)航的改進(jìn)自適應(yīng)漸消卡爾曼濾波算法[J]. 馬龍,李曉明. 科學(xué)技術(shù)與工程. 2013(33)
[3]改進(jìn)的Sage-Husa濾波在精確空投組合導(dǎo)航系統(tǒng)中的應(yīng)用[J]. 牛振中,李歲勞,王青青,任鴻飛. 科學(xué)技術(shù)與工程. 2012(25)
[4]組合導(dǎo)航系統(tǒng)新息自適應(yīng)卡爾曼濾波算法[J]. 卞鴻巍,金志華,王俊璞,田蔚風(fēng). 上海交通大學(xué)學(xué)報. 2006(06)
[5]動態(tài)定位自適應(yīng)濾波解的性質(zhì)[J]. 楊元喜. 測繪學(xué)報. 2003(03)
本文編號：3576047
【文章來源】：科學(xué)技術(shù)與工程. 2020,20(03)北大核心
【文章頁數(shù)】：5 頁
【部分圖文】：
改進(jìn)后算法計算程序
使用車載移動測量系統(tǒng)采集一組GNSS和INS數(shù)據(jù)對算法進(jìn)行驗證。設(shè)備為NovAtel ProPak6雙系統(tǒng)(GPS和BDS)接收機(jī)以及Span-LCI類型的慣導(dǎo)。IMU采樣率為200 Hz,GNSS采樣率為5 Hz,組合采樣率為5 Hz;初始坐標(biāo)精確已知,觀測環(huán)境良好。算例中,相應(yīng)參數(shù)由經(jīng)驗設(shè)定:陀螺儀相關(guān)時間為600 s,初始方差為1.0°/h,加速度計相關(guān)時間為600 s,初始方差為50.0 μg;初始位置誤差分別為1.0、1.0、1.0 m;初始速度誤差分別為0.01、0.01、001 m/s;初始平臺失準(zhǔn)角誤差分別為100.0、100.0、100.0 s;采用商業(yè)軟件Inertial Explorer 8.6(IE)緊組合解算的位置、速度結(jié)果作為真值;臨界值c=1.0。行車軌跡如圖2所示。為驗證改進(jìn)算法的有效性,提出如下3種方案:① 標(biāo)準(zhǔn)卡爾曼濾波(KF);②單因子自適應(yīng)卡爾曼濾波(AKF);③改進(jìn)的自適應(yīng)卡爾曼濾波(MAKF)。
圖3～圖5所示為利用KF、AKF和MAKF在東方向、北方向和天方向位置誤差對比,由圖3～圖5可知,在整個濾波過程中,相對于KF,AKF和MAKF穩(wěn)定性更好,這是因為KF采用固定的系統(tǒng)噪聲陣和量測噪聲陣,當(dāng)其與實際系統(tǒng)有較大差異時會導(dǎo)致誤差增大,甚至發(fā)散。AKF利用預(yù)測殘差構(gòu)造自適應(yīng)因子,當(dāng)載體處于非平衡狀態(tài)時,利用自適應(yīng)因子調(diào)節(jié)狀態(tài)預(yù)報向量和觀測向量的權(quán)陣,平衡二者對狀態(tài)估值的貢獻(xiàn),可較好的控制動力學(xué)模型擾動的影響。表1所示為3種方案的均方根,可以更直觀地比較濾波的性能。與KF相比,AKF在東北天方向位置估計精度分別提高了0.168、0.148 2、0.175 7 m,而MAKF在東北天方向位置估計精度分別提高了0.173 3、0.153 6、0.186 4 m。由此可見,AKF和MAKF精度均高于KF,其中MAKF略有優(yōu)勢。
【參考文獻(xiàn)】：
期刊論文
[1]抗差與自適應(yīng)組合的卡爾曼濾波算法在動態(tài)導(dǎo)航中的研究[J]. 李剛,蔡成林,李思敏,王亮亮. 重慶郵電大學(xué)學(xué)報(自然科學(xué)版). 2015(01)
[2]基于GPS/INS組合導(dǎo)航的改進(jìn)自適應(yīng)漸消卡爾曼濾波算法[J]. 馬龍,李曉明. 科學(xué)技術(shù)與工程. 2013(33)
[3]改進(jìn)的Sage-Husa濾波在精確空投組合導(dǎo)航系統(tǒng)中的應(yīng)用[J]. 牛振中,李歲勞,王青青,任鴻飛. 科學(xué)技術(shù)與工程. 2012(25)
[4]組合導(dǎo)航系統(tǒng)新息自適應(yīng)卡爾曼濾波算法[J]. 卞鴻巍,金志華,王俊璞,田蔚風(fēng). 上海交通大學(xué)學(xué)報. 2006(06)
[5]動態(tài)定位自適應(yīng)濾波解的性質(zhì)[J]. 楊元喜. 測繪學(xué)報. 2003(03)
本文編號：3576047
本文鏈接：http://sikaile.net/kejilunwen/dianzigongchenglunwen/3576047.html
最近更新
教材專著
