GPS/INS组合导航中的非线性滤波方法研究

摘要

论文论述了GPS/INS组合导航系统的优越性，介绍了当前在GPS/INS组合导航中常用的各种滤波方法，对它们的算法原理、计算流程进行了详细的介绍。在充分利用GPS导航数据的基础上，选取合适的观测方程，将UPF(无迹粒子滤波器)算法引入GPS/INS组合导航的滤波过程，并通过大量仿真验证了这种方法的有效性。通过与EKF(扩展卡尔曼滤波器)、UKF(无迹卡尔曼滤波器)、PF(粒子滤波器)等方法的比较，说明了UPF方法比其它方法具有更好的滤波效果。
　　 文章分析了GPS和INS两种导航方法各自的优缺点，讨论了GPS和INS组合导航的优越性。在此基础上，通过对状态方程和观测方程的详细讨论，选取了以伪距和伪距率组合的非线性观测方程，通过滤波算法的优化，实现了在少于4颗GPS卫星数据的情况下仍然能进行精确的导航。
　　 作为对比，对当前GPS/INS组合导航中常用的滤波算法，包括EKF、UKF、PF等进行了详细分析，并将它们在GPS/INS组合导航中的应用进行了仿真分析。在此基础上，引入一种能适用于非线性非高斯条件的UPF算法，将它应用于GPS/INS组合导航中并进行了验证。通过对仿真结果进行分析比较可以看出，UPF不仅能够应用于GPS/INS组合导航系统中，而且具有较其它滤波器更高的导航精度和更好的适用性。

目录

文摘

英文文摘

声明

第一章引言

1.1 GPS和INS的发展史

1.2导航系统中常用的滤波算法

1.3论文的主要工作

第二章理论基础

2.1状态空间方程

2.2 UT变换

2.3贝叶斯滤波

2.4本章小结

第三章GPS／INS组合导航系统动态模型

3.1 GPS(全球定位系统)

3.1.1 GPS(全球定位系统)的构成

3.1.2 GPS导航原理

3.1.3 GPS误差模型

3.2 INS(惯性导航系统)

3.2.1 INS导航原理

3.2.2 INS误差模型

3.3 GPS／INS组合导航系统

3.3.1 GPS／INS组合导航工作原理

3.3.2 GPS／INS组合导航系统的状态方程

3.3.3 GPS／INS组合导航系统的观测方程

3.4本章小结

第四章GPS／INS组合导航滤波技术

4.1 KF(卡尔曼滤波器)

4.1.1 KF算法原理

4.1.2 KF算法流程

4.1.3 KF算法的优缺点

4.2 EKF(扩展卡尔曼滤波器)

4.2.1 EKF算法原理

4.2.2 EKF算法流程

4.2.3 EKF在GPS／INS组合导航中的应用仿真

4.2.4 EKF算法分析

4.3 UKF(无迹卡尔曼滤波器)

4.3.1 UKF算法原理

4.3.2 UKF算法流程

4.3.3 UKF在GPS／INS组合导航中的应用

4.3.4 UKF算法分析

4.4 PF(粒子滤波器)

4.4.1基于SIS(序贯重要性采样)的PF算法原理

4.4.2基于SIS(序贯重要性采样)的PF算法流程

4.4.3 SIS粒子滤波中的粒子退化现象

4.4.4 PF在GPS／INS组合导航中的应用

4.4.5 PF算法分析

4.5 UPF(粒子滤波器)

4.5.1.UPF算法原理

4.5.2 UPF算法流程

4.5.3 UPF在GPS／INS组合导航中的应用

4.5.4 UPF算法分析

4.6滤波算法比较

4.6.1 EKF与UPF滤波结果比较

4.6.2 UKF与UPF滤波结果比较

4.6.3 PF与UPF滤波结果比较

4.7本章小结

第五章结束语

致谢

参考文献

攻硕期间取得的研究成果