Cubature Kalman滤波提升INS/GPS组合导航精度

本文主要探讨了在非线性条件下提高 INS/GPS 组合导航系统性能的方法，针对 INS/GPS 组合导航系统本质上的非线性特性，提出了采用 cubature Kalman filter (CKF) 进行滤波优化。INS/GPS 组合导航系统通常依赖惯性测量单元 (Inertial Navigation System, INS) 和全球定位系统 (Global Positioning System, GPS) 的集成，以提供高精度的位置、速度和姿态信息。 首先，作者构建了一个基于平台失准角的非线性状态模型，平台失准角是 INS 在没有外部校准时由于硬件误差或振动引起的偏差，这在非线性滤波中是个关键因素。这种模型考虑了导航系统中的动态不确定性，确保了滤波器能够准确地捕捉系统行为。 其次，设计了一种观测模型，以速度误差和位置误差作为主要输出变量。速度误差反映的是 GPS 信号处理后的精度，而位置误差则涉及 INS 和 GPS 数据的融合。通过这样的模型，滤波器能够有效地估计和校正这些关键误差源。 Cubature Kalman Filter 是一种高阶滤波算法，它在处理非线性系统时比传统的扩展卡尔曼滤波 (Extended Kalman Filter, EKF) 更有效。相较于 EKF，CKF 不仅能保持滤波器的稳定性，还能更好地处理系统中的非线性动态，从而减小姿态、位置和速度估计的误差。这对于保证导航系统的整体性能至关重要。 通过仿真分析，研究者验证了 CKF 在非线性 INS/GPS 组合导航系统中的优势。结果显示，与 EKF 相比，CKF 提供了更精确的状态估计，特别是在处理复杂环境下的导航任务时，如城市峡谷、建筑物遮挡等，其性能更为优越。 该文介绍了如何利用 cubature Kalman filter 优化 INS/GPS 组合导航系统的滤波算法，通过改进的状态和观测模型，显著提升了系统的导航精度和鲁棒性，使其在实际应用中展现出更高的可靠性。这对于现代无人机、自动驾驶汽车等领域，以及航空航天导航技术的发展具有重要意义。