迭代容积粒子滤波算法提高SINS初始对准精度

"迭代容积粒子滤波算法在SINS初始对准中的应用" 本文主要探讨了在捷联惯导系统（ Strapdown Inertial Navigation System，SINS）初始对准过程中，如何解决大方位失准角误差导致的非线性问题。在大失准角条件下，传统的线性误差模型不再适用，因此需要采用非线性滤波方法来提高对准精度。文章重点介绍了迭代容积粒子滤波（Iterative Cubature Particle Filter，ICPF）算法的应用，这是一种针对标准粒子滤波（Particle Filter，PF）算法的重要密度函数选取问题而提出的改进方法。 首先，文章指出了标准粒子滤波算法存在的问题，即其重要性密度函数的选取往往较为困难，这可能导致粒子退化，即粒子多样性丧失，从而降低滤波效果。为了解决这一问题，作者提出了结合高斯-牛顿迭代（Gauss-Newton Iteration）和容积卡尔曼滤波（Cubature Kalman Filter，CKF）的迭代容积卡尔曼滤波（Iterative CKF，ICKF）算法。ICKF算法能够利用最新的测量信息动态调整新息方差和协方差，从而提高估计精度。 接着，文章阐述了ICKF算法如何应用于粒子滤波中，通过ICKF得到的粒子分布作为重要性密度函数，可以有效抑制粒子退化现象，保持粒子的多样性，提高滤波过程的效率和准确性。这种结合使得ICPF算法在处理SINS初始对准的非线性问题时，表现出了优于标准PF算法和容积PF（CPF）算法的滤波性能。 通过SINS的大方位失准角初始对准的仿真和实验，验证了ICPF算法的有效性和优越性。仿真和实验结果均表明，ICPF算法的滤波精度更高，是解决此类非线性问题的一种高效方法。 关键词涵盖了初始对准、粒子滤波、高斯-牛顿迭代、迭代容积粒子滤波以及容积卡尔曼滤波等核心概念。该研究对于提高SINS在复杂环境下的初始对准精度具有重要意义，对于惯性导航系统的实际应用提供了理论和技术支持。 中图分类号V249表示的是航天、航空的导航与制导技术，文献标识码A则表明这是一篇原创性的科研论文。文章编号1000—9787(2013)07—0136—05是该论文在《传感器与微系统》杂志上的具体标识，便于后续引用和检索。