论文部分内容阅读
组合导航系统通过利用多源信息融合技术,使得各种类型的导航系统形成互补,从而获得更加精确、可靠的载体实时状态信息。本文研究工作主要包括多传感器组合导航系统以下几项关键技术:1、组合导航的滤波解算理论。详细推导了多传感器空间配准算法中极大似然法,通过Matlab仿真验证极大似然法对统一多传感器的时间及空间坐标的有效性;针对GPS/INS组合导航系统中有色噪声问题,给出了不同种类有色噪声情况下的最优卡尔曼滤波解,并根据不同的噪声情况进行Matlab仿真,分析比较了精度的提升及计算量的损耗;2、多传感器数据融合架构。分析归纳了国内外主要的同步和异步状态下集中式、分布式融合架构,从理论上分析状态相关性对联邦滤波精度的影响;针对不同的随机噪声模型影响下的观测融合及状态融合进行分析比较,通过Matlab仿真验证了集中式融合的全局最优性,及Bar-Shalom Compo准则下的状态融合所存在的问题;同时分析比较了异步观测条件下不同融合架构的融合精度;3、组合导航系统实际应用中的问题:全面介绍了GPS/INS组合导航系统,通过分析利用卡尔曼滤波器进行定位解算时的误差,针对动力学模型的非线性问题,提出通过利用最小二乘支持向量机(LS-SVM)辅助卡尔曼滤波的方法修正动力学模型中的非线性误差,并通过Matlab仿真结果和实验结果,验证了该算法有效的提升了导航定位解算精度。本文主要贡献包括:(1)归纳了国内外最主要的异步融合算法,并分别针对异步观测及状态融合所存在的问题进行详细分析,阐述了两种融合算法达不到最优解的解析上的原因,并进行Matlab仿真作出数值比较;(2)详细推导了自身相关有色噪声模型影响下的卡尔曼滤波最优解,通过仿真验证了较传统卡尔曼滤波,精度得到了提升,同时比较了不同噪声模型下计算量的损耗;(3)利用LS-SVM辅助卡尔曼滤波修正动力学模型中的非线性误差,通过仿真验证了其解算精度高于IAE自适应滤波以及神经网络辅助卡尔曼滤波。