论文部分内容阅读
随着全球卫星导航系统的发展,组合卫星导航系统已成为各国导航领域研究的重点和热点。与单星座卫星导航系统相比,组合卫星导航系统具有定位精度高、稳定性强的优点。数据融合是组合卫星导航系统面临的重要问题,通常有松组合和紧组合两种方法。松组合是一种简单的组合方式,容易实现但定位精度较低;紧组合是基于伪距和多普勒频移层面的融合,该方法稳定性好、精度高,但面临组合系统维数较高、计算复杂、各系统间观测误差混杂的问题。基于此,本文进行了如下研究:在实现GPS/BD-2组合卫星导航系统坐标系和时间系融合的基础上,建立导航定位方程,并采用最小二乘法求解。但最小二乘法没有将系统的过程噪声和观测噪声融入状态估计,定位结果杂乱无章。为此本文采用扩展卡尔曼滤波(EKF)进行导航定位。与最小二乘法相比,EKF的定位结果平滑稳定,但EKF存在对初值敏感、对参数波动的适配能力较差的问题。因此本文在EKF的基础上引入强跟踪卡尔曼滤波,提高了系统在初值和参数不准确条件下的鲁棒性。尽管如此,扩展卡尔曼滤波依旧存在对强非线性系统估计精度较低、在线编程计算复杂的问题。针对EKF对强非线性系统估计精度较低的问题,本文围绕对强非线性系统估计精度较高的无迹卡尔曼滤波(UKF)展开研究。与EKF相比,UKF可获得更高的定位精度,且无须计算雅克比矩阵。但与EKF相同,UKF的估计精度也是建立在模型和噪声统计特性已知的条件下,对于机动状态复杂的载体,这一条件通常难以满足。因此文本提出基于交互式多模型(IMM)算法和Q阵自适应UKF算法的GPS/BD-2组合导航系统定位方法,分别改善系统在建模不准确和噪声统计特性未知条件下的定位精度。仿真结果证明这两种自适应算法有效地提高了复杂机动载体的定位精度。针对EKF在线编程和计算复杂的问题,本文提出一种基于多胞型线性微分包含的快速卡尔曼滤波,该方法采用一种全局线性化的方法将非线性系统转换为几个线性定常系统凸组合的形式,进而采用线性化的滤波方法对其滤波。与EKF相比,该方法无须在线更新雅克比矩阵,降低了算法在线编程和计算的复杂性。Monte Carlo仿真验证了该方法在GPS/BD-2多模导航系统中的有效性。