论文部分内容阅读
本文围绕着降低动态定位中算法复杂度、减少计算量、提升计算效率;解决动态定位模型不匹配、使用单一模型误差较大;解决动态定位中状态噪声和量测噪声为非高斯白噪声的影响三类问题展开研究。主要内容和创新点如下:1.基于卫星导航的载体状态方程为线性,且稳健平方根容积卡尔曼(Square root Cubature Kalman Filtering—SCKF)在状态更新时其容积点经状态转移矩阵传递后的加权和为零,则可使用标准KF算法进行状态更新,量测更新过程仍采用SCKF;本文提出了简化型稳健平方根容积卡尔曼算法(Simplified SCKF,简称SSCKF)。该算法旨在解决动态导航定位计算量大、效率低的问题。仿真及实测数据表明SSCKF与SCKF精度相当,而解算时间较SCKF算法降低25%左右,能有效地降低算法复杂度,提升算法效率。2.基于SSCKF,结合变维交互多模思想,本文提出了简化型稳健平方根容积卡尔曼变维交互多模算法。该算法针对常规交互多模模型集覆盖不全面及模型数目过多导致的模型竞争等问题,将不同维数的模型交互,如匀速模型和匀加速模型,同时进行并行滤波,并由二者的量测残差计算出相应的似然函数,更新两种模型滤波结果所占的权重,将最终加权和作为整个变维模型的结果输出;下一时刻子模型的状态输入值不采用其自身上一时刻滤波结果,而是采用变维交互模型整体输出结果乘以维数转换矩阵得到的值,这样就能保证各时刻的状态输入值的准确性。3.针对动态导航过程中,状态噪声和量测噪声一般呈现非高斯白噪声的特点,本文提出了简化型SCKF高斯和算法。分析了动态导航中伪距测量值噪声的峭度值和相关系数,得出其呈现非高斯特性的结论;若仍将实际运动中的非高斯噪声强制当成高斯白噪声来处理,则会对滤波精度造成影响。采用多个高斯白噪声作为子高斯项,利用其加权和来近似表示非高斯白噪声,同时限制各时刻子高斯项总数目以确保各时刻解算效率。跑车实测数据验证,该算法能够有效抑制非高斯白噪声的影响,提升算法的稳定性和滤波精度。