惯性/重力组合导航的非线性滤波算法研究

惯性/重力组合导航中的非线性滤波算法是现代导航技术中的一种关键方法，由侯慧娟和李艳在哈尔滨工程大学自动化学院进行研究。论文的核心内容围绕着惯性导航系统（INS）的误差估计，这是一个非线性问题，因为系统的观测方程是非线性的，传统的卡尔曼滤波无法直接应用。 惯性导航系统依赖于加速度计和陀螺仪来提供位置和姿态信息，但长期运行下会积累误差。通过结合地球重力场信息，可以修正这些误差，提高导航精度。重力辅助导航的优势在于其精度高、时间限制小、无需外部支持且不易被探测，对于如潜艇这类需要隐蔽性的应用尤为重要。 论文的关键点在于提出了一种基于扩展卡尔曼滤波（EKF）和σ点卡尔曼滤波（SPKF）的组合算法。EKF是一种在非线性系统中近似线性化的滤波技术，通过在状态方程和观测方程的误差零点附近进行Taylor展开，将非线性问题转化为线性处理。而σ点卡尔曼滤波则进一步提高了滤波的精确度，能够更有效地抑制惯性导航系统的误差。 作者选择惯性导航系统的误差向量作为滤波器的状态向量，匹配算法得到的重力匹配位置与惯性导航位置之间的差异作为观测值。状态方程包括位置误差和角度误差的表达式，如位置误差由经纬度和俯仰角的误差组成。 然而，匹配算法的性能受到多种因素的影响，如参考导航系统的性能、重力场的局部变化、测量精度以及匹配算法模型的准确性。为了优化滤波效果，论文提出的方法旨在通过非线性滤波技术，如σ点卡尔曼滤波，实现对惯性导航系统误差的更精确估计。 该论文深入探讨了惯性/重力组合导航中如何有效应用非线性滤波算法来提升导航精度，这对于实际应用中的导航系统优化和误差控制具有重要的理论价值和实践意义。