联邦滤波在INS/GPS组合导航中的应用与精度提升

"基于联邦滤波的INS/GPS组合导航系统数据融合研究 (2009年)" 这篇论文探讨了在2009年的背景下，如何通过集成惯性导航系统（INS）与全球定位系统（GPS）来提升导航定位的精度和自主性。INS虽然能够连续提供载体的位置、速度和姿态信息，但随着时间的推移，其累积误差会导致定位精度降低；而GPS虽然具有较高的定位精度，但依赖外部信号，存在被干扰或遮挡的风险。因此，将两者结合的组合导航系统成为了提高整体性能的有效途径。 文章着重介绍了建立INS/GPS组合导航系统模型的方法，并利用Matlab/Simulink平台进行了仿真。在仿真过程中，论文引入了一种基于无重置的联邦卡尔曼滤波器（Federated Kalman Filter, FKF）的融合方案。联邦滤波器允许不同子系统独立运行，同时通过信息交换实现全局最优的数据融合，从而提高了系统的定位精度。 无重置联邦卡尔曼滤波器的一个关键优势是它允许各个子系统（如INS和GPS）在各自的滤波器内部处理噪声，而不必在整个系统中进行重置。这种设计减少了由于频繁重置导致的信息损失，使得系统对于突然变化的环境有更好的适应性。 在仿真实验中，论文对比了组合导航系统与其他单一导航系统的性能，结果显示，采用FKF的组合系统在定位精度上明显优于单独使用INS或GPS。这表明，基于联邦滤波的组合导航策略是提高定位准确性和鲁棒性的可行方案，尤其适用于对导航精度要求高的领域，如航空航天、航海和自动驾驶等。 此外，论文还提到了自适应遗忘因子的自适应卡尔曼滤波器，该滤波器可以根据不同信息源的质量动态调整权重，进一步优化了数据融合效果。同时，论文讨论了滤波器结构的选择，包括有重置和无重置结构的优缺点，以及它们如何影响系统的稳定性和精度。 这篇2009年的论文深入研究了如何利用联邦滤波技术改进INS/GPS组合导航系统，通过创新的数据融合策略，实现了更高的定位精度，这对于当时的导航技术发展具有重要意义，并且这些理论和技术至今仍对现代导航系统的设计有着深远的影响。