论文部分内容阅读
非线性滤波技术在众多领域得到了越来越广泛的应用,本文主要针对具有代表性的两种非线性滤波算法:无迹卡尔曼滤波和粒子滤波展开研究,并将这两种算法应用于惯导系统大失准角快速传递对准中。论文的主要内容有:第一,简要介绍了几种不同类型的非线性滤波算法,以及非线性滤波在惯导系统初始对准中的应用情况。第二,详细介绍了UT变换的原理、UKF算法的基本框架,以及当前应用较广的几种UT变换采样策略;分析了各种采样策略的限制条件和性能特点,通过典型算例仿真研究了对称分布采样、单形采样中影响UT变换精度的主要参数。UKF算法是一种高斯滤波算法,虽然结构简单,但是它的使用范围只限于随机非线性系统为高斯系统模型的特殊情况,在复杂非线性、非高斯条件下没有可靠的收敛性保证。第三,介绍分析了粒子滤波的基本结构以及制约其性能的计算量大、粒子退化、样本贫化三个问题。针对上述问题,通过对重要性函数的产生和再采样两个步骤的改进提高算法的滤波性能。分析了这些改进步骤的基本原理、性能特点和适用范围。第四,UPF是一种重要的粒子滤波改进算法,在重要性密度函数中考虑了最新的观测值,降低了粒子退化的程度;UPF的不足是计算量较大,滤波实时性不好。针对这一缺点,对标准UPF进行优化,提出了新的UPF算法,并对新算法的合理性和正确性进行仿真验证。具体实现如下:1.在重要性采样环节采用混合建议分布,即一部分粒子通过UKF产生,剩余粒子通过先验分布产生,从而减少了算法的计算量;2.在UKF产生重要性函数的环节采用基于超球面采样的SSUT变换,对称分布采样的sigma数量为2n+1,而SSUT的数量为n+2,这样对于高维系统,新的SSUPF算法的计算量将仅略大于标准UPF的一半。第五,对于传统优化技术难以处理的复杂问题,智能优化算法具有独特的优势,算例仿真证明将智能优化算法融入粒子滤波中将有效提高算法的性能。本文重点研究了基于粒子群优化的粒子滤波算法,提出了新的基于粒子群优化的SSUPF算法,以及基于混合建议分布的PSO-SSUPF算法,并研究了该算法中比例参数c对于滤波精度和快速性的影响。第六,传递对准是捷联惯导系统初始对准的一种重要方式。当失准角为大角度时,传统的线性误差模型将很难取得理想的滤波效果,本文推导了基于姿态角的快速传递对准误差模型,并利用UKF、SSUPF以及基于混合建议分布的PSO-SSUPF算法对失准角进行滤波估计,仿真验证了非线性算法在惯导系统传递对准中的可行性和合理性,三种滤波在仿真中精度和快速性存在差异。