基于自适应分类容错滤波的SINS/GNSS组合导航方法

作者:郭慧娟;刘慧英;石静;孙景峰; 刊名:中国惯性技术学报 上传者:陈建初

【摘要】针对SINS/GNSS组合导航在GNSS信号异常时出现的系统滤波精度和稳定性下降的问题,提出一种基于EKF的自适应分类容错滤波算法。该算法通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号是否存在异常,然后对异常信号进行分类,并对不同类别的异常信号使用不同的加权矩阵进行修正,以减弱异常值对系统滤波精度的影响,同时在滤波过程中加入UD分解,使系统滤波性能更稳定。仿真结果表明:该算法能够有效降低GNSS输出异常信号对SINS/GNSS组合导航带来的不利影响并提高系统稳定性;在GNSS信号出现异常情况下,其导航精度相比EKF至少提高95.6%,相比REKF和AEKF分别至少提高44.5%和24.6%。

全文阅读

捷联惯性导航系统(Strapdown Inertial NavigationSystem,SINS)作为一种自主式导航系统得到了广泛应用,通常将其与全球定位系统(Global NavigationSatellite System,GNSS)组合使用,通过滤波算法进行数据融合,来保证惯性导航系统的长期精度[1-3]。而在实际应用中系统的数学模型往往是非线性的,所以EKF算法被广泛应用于SINS/GNSS组合导航系统中估计、补偿导航误差。虽然将GNSS与SINS组合使用并通过EKF对两者输出的信息进行滤波可以克服惯性器件误差不断累积的缺陷,提高系统精度,但实际情况下GNSS量测信号极易受到周围环境、多路径效应等多种因素的影响,如环境中的无线电和强磁场会使GNSS测量值产生较大的速度误差和至少百米级位置误差,因此对滤波产生不利影响,严重时将导致状态的估计值明显偏离真实值,从而导致系统导航定位的准确性、可靠性变差[4]。所以,当GNSS量测输出中存在异常量测信号等故障时,如果仍采用EKF算法将SINS和GNSS输出的数据相融合,会导致精度降低甚至发散。为了解决GNSS信号异常这类软故障,很多学者对自适应滤波和鲁棒滤波进行研究。文献[4]利用系统的量测残差序列构造基于自适应多重渐消因子的鲁棒EKF算法(REKF)来解决系统中出现的任何类型故障;文献[5]利用量测残差提出了估计量测噪声的自适应滤波算法(AEKF),通过仿真证明了该算法在GNSS信号存在较大的位置误差时的有效性;文献[6-7]利用系统的残差序列或新息序列的协方差矩阵构造自适应滤波器来修正量测噪声方差阵和解决系统噪声不确定的问题,得到了较好的滤波效果。文献[4-5]中的REKF和AEKF在存在较大速度、位置误差时的滤波结果仍有明显发散,若故障时间较长就无法保障导航的精度;文献[5-6]利用单一的加权因子,无法对GNSS量测输出各通道的故障进行精确的加权。本文针对SINS/GNSS组合导航系统中存在GNSS信号异常这类问题,提出一种基于EKF的自适应分类容错滤波算法。首先,通过比较系统残差协方差矩阵的实际值与理论值来检测GNSS信号中是否存在异常,并区分异常的类型,然后针对不同程度的异常信号计算来进行修正,并且在滤波过程中加入UD分解来改善滤波的稳定性能。1 SINS/GNSS组合系统非线性数学模型考虑SINS/GNSS组合导航系统非线性数学模型[8],(7)(8)(7)(8)1 111,,1kk kkk(10)(10)(10)(10)?(28)(10)???(28)(10)(10)?X f X G WZ h X V式中:f(7)?(8)为n维向量函数,对其自变量而言是非线性的;h(7)?(8)为m维向量函数,对其自变量而言也是非线性的;W(7)k(8)和V(7)k(8)分别为r维随机动态噪声和m维量测系统噪声,且均为彼此不相关的零均值白噪声序列,满足[][]T,T,TE 0,EE 0,EE 0k k j k k jk k j k k jj???(28)??(28)?????(28)??(28)??????(28)???W W W QV V V RWV式中:k,j?为克罗内克(Kronecker)符号;kQ、kR分别为系统噪声方差阵和量测噪声方差阵。系统量测残差向量为(7)(8)(7)(8)(7)(8)(7)(8)1 1 1/1 1 11/1 1 1/???kk k k(10)(10)(10)(10)(10)(10)(10)(10)(10)(10)(28)(10)-(28)-(10)(10)e h

参考文献

引证文献

问答

我要提问