Sage-Husa滤波结合非完整约束在MEMS IMU/GPS组合导航中的精度提升

"这篇论文探讨了在非完整约束条件下，如何改进滤波算法以提高MEMS IMU/GPS组合导航系统的精度和稳定性。研究中，作者应用了Sage-Husa自适应卡尔曼滤波算法，并结合非完整约束，分别应用于前向导航滤波和后向导航滤波，最后通过加权组合这两种滤波结果，提出了一个新的滤波方法。这种方法被用于事后IMU/GPS的联合解算，实验结果显示，采用该方法后，经纬度误差小于1.4米，航向角误差小于1.0°，满足了对车载组合导航系统的精度需求。" 本文主要关注的是微机电系统（MEMS）惯性测量单元（IMU）与全球定位系统（GPS）的组合导航技术。在复杂的环境中，传统的卡尔曼滤波器在处理这种导航系统的数据时，其精度和稳定性往往不足。为了解决这一问题，研究者引入了Sage-Husa自适应卡尔曼滤波算法，这是一种能够根据系统不确定性动态调整滤波器参数的方法，可以更好地适应MEMS IMU和GPS数据的特性。 非完整约束是指系统受到某些特定的限制，例如车辆在地面行驶时不能垂直于地面向上或向下移动，这些约束条件在实际的导航问题中是普遍存在的。将非完整约束纳入滤波算法，可以更准确地反映系统状态，减少因忽略约束而导致的误差。 论文中，作者采用了前向滤波和后向滤波的组合策略。前向滤波是从初始时刻开始，利用已知的初始状态和观测数据逐步推算未来状态；而后向滤波则从最终时刻开始，向过去反向推算状态。两者结合，可以充分利用信息，进一步提高滤波效果。 通过加权组合前向和后向滤波的结果，可以得到一个更为全面和精确的估计。这种加权组合滤波方法在车载实验中得到了验证，实验数据表明，采用该算法后的导航解算精度显著提升，经度和纬度误差控制在1.4米以内，航向角误差小于1.0°，这些结果充分证明了新算法的有效性和实用性。 这篇论文为提高MEMS IMU/GPS组合导航系统的精度提供了一个新的解决方案，特别是对于需要高精度和稳定性的车载导航应用，这一研究有着重要的理论价值和实践意义。