飞行器飞行目标定位组合导航精度预测仿真

摘要

在飞行器飞行目标定位组合导航系统中,高精度滤波算法对飞行器目标定位导航解算起着至关重要的作用.为了提高飞行器组合导航系统滤波算法的精度,针对粒子滤波(PF)算法中的粒子退化问题,提出了支持向量机(SVM)和容积卡尔曼滤波(CKF)辅助粒子滤波的SVM-CPF算法.算法通过采用CKF来生成粒子滤波的重要性密度函数,并利用SVM重采样获得多样性的粒子,使滤波性能明显改善,提高飞行器飞行目标定位组合导航精度.将上述算法应用在飞行目标定位捷联惯导(SINS)/全球定位系统(GPS)组合导航系统中,仿真结果表明,改进的滤波算法能提高飞行器目标定位精度,系统优化性能明显优于粒子滤波(PF)以及容积卡尔曼滤波(CKF).