基于自适应UKF的SINS/GPS紧组合导航系统的应用研究

摘要

由于时代的不断进步，尤其是随着5G通信技术应用的到来，新一代无人驾驶技术将会释放出巨大活力，导航定位技术成为无人驾驶技术领域内的热点话题。本文以无人驾驶中的导航定位技术为课题背景，重点研究了基于自适应无迹卡尔曼滤波器的SINS/GPS紧组合导航系统。 为了避免单一导航系统中在复杂交通环境中出现导航定位精度不高的问题，由GPS全球定位系统辅助捷联惯导系统（SINS），并将二者的导航信息通过卡尔曼滤波器进行信息滤波与融合。首先介绍了每个导航子系统的结构，重点对SINS静基座初始对准与GPS的伪距定位法进行了研究。通过确定SINS系统姿态矩阵的初始值，利用四元数法解算SINS的力学编排方程得到平台误差角、速度和位置的初始值。 针对卡尔曼滤波器的随时间积累出现滤波发散和基于位置、速度误差的松组合方案滤波精度不高的问题，本文设计了基于伪距和伪距率的SINS/GPS紧组合导航系统。首先确定组合导航系统误差的来源，分别建立SINS和GPS的数学模型，然后基于伪距和伪距率将导航子系统的状态方程和量测方程合并成紧组合导航系统的状态方程和量测方程，并完成离散化。 针对组合导航系统的误差模型一般为非线性的问题，本文首先对非线性扩展卡尔曼滤波（EKF）的工作原理与滤波过程进行了简单介绍，分析EKF中存在的应用局限性，研究了基于UT变换和最小偏度单形σ点集采样策略的无迹卡尔曼滤波（UKF）。其次，为了提高最小偏度单形σ点集采样策略的采样精度，设计了一种基于比例调节因子的自适应UKF滤波融合算法。 仿真实验结果表明：对于SINS/GPS紧组合导航系统，基于比例调节因子的自适应UKF相比基于定因子常规UT变换的UKF误差输出曲线更平滑，避免了非局部效应的影响，实现滤波精度的提高，具有良好的控制性能、跟踪能力和容错性能。

目录

1 绪论

1.1 课题背景及研究意义

1.2 国内外研究与发展状况

1.2.1 组合导航技术发展历程与研究现状

1.2.2 主要导航定位技术

1.3 组合导航系统的发展进程

1.3.1 组合导航系统需要解决的问题

1.3.2 数据融合与卡尔曼滤波

1.3.3 组合导航系统的非线性

1.4 惯性导航系统与全球定位系统

1.4.1 惯性导航系统概述

1.4.2 全球定位系统概述

1.4.3 SINS/GPS的不同组合模式

1.5 本文研究内容和主要工作

2 SINS捷联惯导系统与GPS全球定位系统

2.1 基于SINS与GPS的组合导航系统

2.2 SINS捷联惯性导航系统

2.2.1 SINS工作原理

2.2.2 SINS惯性坐标系

2.3 SINS力学编排方程的解算

2.3.1 SINS静基座初始粗对准

2.3.2 SINS的力学方程解算

2.4 GPS工作原理

2.4.1 GPS系统组成

2.4.2 GPS导航定位原理

2.4.3 GPS软件接收机

2.4.4 GPS信号源模拟器

2.5 SINS/GPS误差来源分析

2.5.1 SINS误差来源分析

2.5.2 GPS误差来源分析

2.6 本章小结

3 SINS/GPS组合导航非线性KF原理

3.1组合导航KF（Kalman Filter）基本原理

3.1.1 卡尔曼滤波基本理论

3.1.2 离散卡尔曼滤波原理

3.1.3 卡尔曼滤波器的发散现象

3.1.4 卡尔曼滤波发散的抑制方法

3.2 非线性卡尔曼滤波

3.3 EKF滤波器设计

3.3.1 EKF滤波器

3.3.2 EKF滤波原理

3.3.3 EKF的应用缺陷

3.4 紧组合UKF滤波器结构

3.5 本章小结

4基于自适应比例调节因子的UKF滤波器设计

4.1Unscented Transformation基本原理

4.2 最小偏度单形σ点采样策略

4.3 自适应比例调节因子的选取

4.4 自适应UKF滤波器设计

4.4.1 加权系数的初始化修正

4.4.2 基于自适应比例调节因子的UKF算法

4.5 本章小结

5基于自适应UKF的SINS/GPS紧组合导航系统的仿真实验

5.1 紧组合导航系统数学模型的建立

5.1.1 IMU模块误差模型

5.1.2 SINS误差模型

5.1.3 GPS模块误差模型

5.2 SINS/GPS紧组合导航系统状态方程与量测方程

5.2.1 紧组合导航系统基本原理

5.2.2 SINS/GPS紧组合系统的状态方程

5.2.3 SINS/GPS紧组合系统的量测方程

5.3 紧组合导航系统仿真实验

5.3.1 初始值设定

5.3.2 仿真实验

5.4 结果分析

5.5 本章小结

6总结与展望

6.1 总结

6.2 前景展望

参考文献

致谢

攻读学位期间发表学术论文目录

声明