惯性/重力组合导航匹配滤波算法的研究与实现

摘要

长期水下航行能力一直是水下航行器所追求的重要目标，隐蔽性是潜艇等水下武器生存并发挥效力的前提。由于惯性导航具有无源性和自主的特性，为实现航行器水下自主隐蔽定位创造了条件，因此长期以来一直是潜艇等水下航行器导航系统的核心设备。但是惯性导航系统的主要缺点是其位置误差随时间积累，无法满足长期和高精度的导航定位要求。通常情况下，为抑制导航系统位置误差的增长，提高长期导航精度，必须对惯性导航系统进行定期校正。 传统的方法需要航行器接近水面，从而增加了航行器暴露的可能，直接影响隐蔽性甚至威胁其生存。因此需要一种不需要航行器近水面就能对惯性导航系统进行修正的方法。 重力辅助导航具有精度高，不受时间限制，无需伸出水面，对外无辐射的特性，可最终解决潜艇的隐蔽性问题。重力导航适用于在地理特征变化比较大的区域，因此常作为惯性导航的辅助手段。 本文在分析了惯性/重力组合导航常用的匹配定位算法(ICCP算法)，基于ICCP算法对惯导误差、预存重力图误差及重力传感器误差的限制提出了两种改进的ICCP算法。在分析基于扩展Kalman滤波匹配方法的基础上，提出了非线性滤波算法。本文给出了无迹卡尔曼滤波(UKF)算法用于重力匹配导航的基本步骤，并且给出了将匹配定位算法与递推卡尔曼滤波算法结合的算法。 本文最后对以上各种算法进行了仿真实验并分析了仿真结果。

目录

文摘

英文文摘

声明

1.1课题研究背景及意义

1.2现有的组合导航算法及存在问题

1.3本文主要工作及章节安排

第2章ICCP算法及其改进

2.1 ICCP算法数学原理

2.1.1目标函数的确定

2.1.2平移向量的计算

2.1.3旋转矩阵的计算

2.2 ICCP算法用于重力导航的基本步骤

2.2.1重力图匹配导航基本原理

2.2.2最近等值线点的寻找和刚性变换

2.3 ICCP算法的使用限制及其改进

2.3.1马氏距离改进ICCP算法

2.3.2多尺度EM-ICCP算法理论基础

2.3.3多尺度EM-ICCP算法基本步骤

2.4.本章小结

第3章基于卡尔曼滤波的匹配算法研究

3.1惯导系统原理及其误差方程

3.1.1惯性导航系统基本原理

3.1.2惯性导航系统误差方程

3.2扩展卡尔曼滤波(EKF)的构建

3.2.1 EKF的提出

3.2.2状态方程建立

3.2.3观测方程建立

3.2.4观测方程的线性化

3.2.5观测方程线性化误差的实时估计

3.2.6建立EKF

3.3非线性卡尔曼滤波算法

3.3.1非线性卡尔曼滤波的提出

3.3.2 UKF算法原理及算法步骤

3.3.3 UKF算法用于重力匹配导航

3.4本章小结

第4章组合导航匹配滤波算法模型的建立

4.1基本原理

4.2先匹配后滤波算法模型的建立

4.2.1 ICCP算法误差模型

4.2.2 EM-ICCP算法的误差

4.2.3卡尔曼滤波设计

4.3先滤波后匹配算法模型的建立

4.4本章小结

第5章仿真实验及结果分析

5.1导航用重力图的绘制

5.2惯导系统航迹和误差仿真

5.3 ICCP算法及其改进的仿真

5.3.1 ICCP算法用于重力匹配导航仿真

5.3.2改进的ICCP算法用于重力匹配导航仿真

5.4非线性卡尔曼滤波仿真

5.4.1 EKF用于重力匹配导航仿真

5.4.2 UKF用于重力匹配导航仿真

5.5匹配算法与滤波算法结合仿真

5.5.1先匹配后滤波算法仿真

5.5.2先滤波后匹配算法仿真

5.6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