交互式多模型自适应滤波及其在SINS初始对准中应用

摘要

初始对准技术是捷联惯导系统(SINS)研究的重点方向，其中基于现代滤波理论的组合对准技术被广泛用于SINS初始对准。在实际应用中，通常要求舰船在航行过程中完成初始对准过程，而舰船运动受海况环境影响会显著变化，此时由常规的单一滤波模型和滤波算法得到的对准精度和对准时间难以同时满足要求；为此，本文提出了基于线性/非线性模型的交互式多模型(IMM)自适应滤波来改善舰船航行在复杂海况环境以及噪声统计信息不准确条件下SINS初始对准的对准性能。
　　首先，本文深入研究了IMM理论，详细推导了模型交互的概率公式，并对该算法在二维目标跟踪中进行了仿真验证；其次，推导了基于中心差分变换的Stirling插值公式，并基于二阶Stirling插值公式得到中心差分卡尔曼滤波(CDKF)；针对线性/非线性模型的滤波估计问题，提出了在IMM框架下，分别采用卡尔曼滤波(KF)和CDKF进行滤波估计的方案，并在线性/非线性模型下进行了仿真实验。
　　同时，文中深入分析了IMM、KF及CDKF滤波性能，它们在应用时不仅需要数学模型足够精确，同时还要满足系统噪声和量测噪声统计信息准确已知；但由于系统模型通常存在诸多不确定性，而且噪声的统计信息也难以准确获取，甚至噪声的统计特性还具有时变性，所以此时常规滤波算法的性能将会下降，甚至还会引起发散。因此，本文分别从极大似然估计准则和新息校正法原理出发，详细推导了基于新息自适应的卡尔曼滤波(IAE-KF)和基于新息校正法的中心差分自适应滤波(ICM-CDKF)算法，以提高 IMM算法在系统模型存在不确定性，或噪声统计信息未知、时变条件下的滤波性能，并在仿真实验中验证了自适应算法的有效性。
　　针对复杂海况环境下以及噪声统计信息不准确条件下的航行对准，综合考虑对准精度和对准时间等因素，采用IMM自适应滤波来完成初始对准；详细推导了动基座环境下的SINS误差方程，得到了小失准角和大方位失准角条件下的线性和非线性误差状态方程；在SINS/GPS组合系统中，得到了线性量测条件下ICM-CDKF改进算法；为了验证算法的实际性能，分别设置了在航行状态大方位失准角、小失准角、噪声统计信息不准确以及静基座大方位失准角等条件的仿真实验，实验结果表明该算法能够缩短对准时间，同时对准精度也有一定提高。

目录

封面

声明

中文摘要

英文摘要

目录

第1章 绪 论

1.1课题研究的背景与意义

1.2交互式多模型自适应滤波的发展现状

1.3课题的主要研究内容

第2章 交互式多模型滤波算法

2.1 多模型理论的发展

2.2 交互式多模型算法

2.3 交互式多模型算法在目标跟踪中应用

2.4 本章小结

第3章 线性/非线性模型下交互式多模型滤波

3.1 线性模型状态估计

3.2 非线性模型状态估计

3.3 线性/非线性模型下交互式多模型滤波

3.4 本章小结

第4章 线性/非线性模型下交互式多模型自适应滤波

4.1 线性模型下自适应卡尔曼滤波

4.2 非线性模型下自适应卡尔曼滤波

4.3线性/非线性模型下交互式多模型自适应滤波

4.4 本章小结

第5章 交互式多模型自适应滤波在初始对准中应用

5.1 SINS/GPS组合对准方案

5.2 SINS误差模型

5.3 线性/非线性模型下SINS/GPS组合对准系统

5.4交互式多模型自适应滤波在SINS初始对准仿真实验

5.5 本章小结

结论

参考文献

攻读硕士学位期间发表的论文和取得的科研成果

致谢