SINS/GPS组合导航自适应滤波算法研究
发布时间：2023-05-03 14:27
本文以捷联惯性导航系统与全球定位系统二者组合的紧组合导航系统模型为研究背景,重点研究了SINS/GPS紧组合导航系统数据融合理论与算法,提出了基于新息协方差自适应渐消滤波算法,介绍了基于加权最小二乘残差平方和增量判别的卡尔曼滤波算法,并将这两种算法分别应用于SINS/GPS紧组合导航系统。论文的主要内容和创新点概括如下:1、深入研究SINS/GPS组合导航中的松组合模式和紧组合模式。通过组合导航仿真实验进行数据计算与分析,说明了两种组合模式的特点与差异,以及选择紧组合模式的优越性。2、深入研究标准卡尔曼滤波算法,叙述该算法的理论推导,并指出卡尔曼滤波算法所存在的局限。为了克服该问题,之后介绍了非线性扩展卡尔曼滤波算法和无迹卡尔曼滤波算法。3、研究渐消滤波基础理论。分析自适应渐消因子摆放的位置对滤波解的影响。介绍目前渐消滤波算法的推导过程以及渐消因子的计算方法。随后提出了一种基于新息协方差自适应渐消滤波算法。4、建立SINS/GPS紧组合导航系统仿真实验平台,将标准卡尔曼滤波、渐消滤波和基于新息协方差自适应渐消滤波成功地应用到SINS/GPS紧组合导航仿真系统中。仿真实验结果表明基于新息...
【文章页数】：110 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 引言
1.2 研究背景及意义
1.3 SINS/GPS组合导航系统
1.3.1 全球定位系统
1.3.2 惯性导航系统
1.3.3 组合导航系统
1.3.4 信息融合技术
1.4 自适应滤波在组合导航中的发展及现状
1.5 论文主要研究内容及章节安排
第二章 SINS/GPS组合导航系统
2.1 常用坐标系及坐标变换矩阵
2.1.1 常用的坐标系
2.1.2 坐标系之间的转换
2.2 SINS/GPS组合模式
2.2.1 松组合模式
2.2.2 紧组合模式
2.2.3 深组合模式
2.3 SINS/GPS松组合系统
2.3.1 SINS/GPS松组合状态方程
2.3.2 SINS/GPS松组合量测方程
2.4 SINS/GPS紧组合系统状态方程
2.4.1 SINS误差状态方程
2.4.2 GPS误差状态方程
2.4.3 SINS/GPS紧组合状态方程
2.5 SINS/GPS紧组合系统量测方程
2.5.1 伪距量测方程
2.5.2 伪距率量测方程
2.5.3 SINS/GPS紧组合量测方程
2.6 本章小结
第三章 SINS/GPS紧组合导航系统滤波算法
3.1 标准卡尔曼滤波
3.1.1 线性离散卡尔曼滤波
3.1.2 系统卡尔曼方程离散化
3.1.3 组合系统滤波估计方法和校正方法
3.2 扩展卡尔曼滤波
3.3 无迹卡尔曼滤波
3.3.1 UT变换
3.3.2 UKF算法
3.4 本章小结
第四章 SINS/GPS紧组合导航系统自适应滤波算法
4.1 自适应滤波
4.2 渐消滤波
4.2.1 渐消滤波原理
4.2.2 渐消因子求解
4.3 基于新息协方差自适应渐消滤波
4.3.1 渐消因子位置分析
4.3.2 渐消因子计算过程
4.3.3 基于新息协方差自适应渐消滤波算法
4.4 基于加权最小二乘残差平方和增量判别的卡尔曼滤波
4.4.1 递推最小二乘估计
4.4.2 基于加权最小二乘残差平方和增量判别方法
4.5 本章小结
第五章 SINS/GPS紧组合自适应滤波算法验证与分析
5.1 组合导航系统仿真方案设计
5.1.1 组合导航系统仿真功能分析
5.1.2 组合导航系统仿真设计
5.1.3 组合导航系统仿真流程
5.2 SINS/GPS紧组合导航系统仿真实验及结果分析
5.2.1 仿真参数设置
5.2.2 仿真实验及结果分析
5.3 自适应渐消滤波算法仿真实验及结果分析
5.3.1 仿真参数设置
5.3.2 仿真实验及结果分析
5.4 自适应渐消滤波算法车载实验及结果分析
5.4.1 器件选型
5.4.2 系统组成
5.4.3 车载实验
5.4.4 实验结果及分析
5.5 基于加权最小二乘残差平方和增量判别的卡尔曼滤波算法静态实验及结果分析
5.6 本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
在学期间发表的学术论文与研究成果
致谢
本文编号：3806880
【文章页数】：110 页
【学位级别】：硕士
【文章目录】：
摘要
ABSTRACT
第一章 绪论
1.1 引言
1.2 研究背景及意义
1.3 SINS/GPS组合导航系统
1.3.1 全球定位系统
1.3.2 惯性导航系统
1.3.3 组合导航系统
1.3.4 信息融合技术
1.4 自适应滤波在组合导航中的发展及现状
1.5 论文主要研究内容及章节安排
第二章 SINS/GPS组合导航系统
2.1 常用坐标系及坐标变换矩阵
2.1.1 常用的坐标系
2.1.2 坐标系之间的转换
2.2 SINS/GPS组合模式
2.2.1 松组合模式
2.2.2 紧组合模式
2.2.3 深组合模式
2.3 SINS/GPS松组合系统
2.3.1 SINS/GPS松组合状态方程
2.3.2 SINS/GPS松组合量测方程
2.4 SINS/GPS紧组合系统状态方程
2.4.1 SINS误差状态方程
2.4.2 GPS误差状态方程
2.4.3 SINS/GPS紧组合状态方程
2.5 SINS/GPS紧组合系统量测方程
2.5.1 伪距量测方程
2.5.2 伪距率量测方程
2.5.3 SINS/GPS紧组合量测方程
2.6 本章小结
第三章 SINS/GPS紧组合导航系统滤波算法
3.1 标准卡尔曼滤波
3.1.1 线性离散卡尔曼滤波
3.1.2 系统卡尔曼方程离散化
3.1.3 组合系统滤波估计方法和校正方法
3.2 扩展卡尔曼滤波
3.3 无迹卡尔曼滤波
3.3.1 UT变换
3.3.2 UKF算法
3.4 本章小结
第四章 SINS/GPS紧组合导航系统自适应滤波算法
4.1 自适应滤波
4.2 渐消滤波
4.2.1 渐消滤波原理
4.2.2 渐消因子求解
4.3 基于新息协方差自适应渐消滤波
4.3.1 渐消因子位置分析
4.3.2 渐消因子计算过程
4.3.3 基于新息协方差自适应渐消滤波算法
4.4 基于加权最小二乘残差平方和增量判别的卡尔曼滤波
4.4.1 递推最小二乘估计
4.4.2 基于加权最小二乘残差平方和增量判别方法
4.5 本章小结
第五章 SINS/GPS紧组合自适应滤波算法验证与分析
5.1 组合导航系统仿真方案设计
5.1.1 组合导航系统仿真功能分析
5.1.2 组合导航系统仿真设计
5.1.3 组合导航系统仿真流程
5.2 SINS/GPS紧组合导航系统仿真实验及结果分析
5.2.1 仿真参数设置
5.2.2 仿真实验及结果分析
5.3 自适应渐消滤波算法仿真实验及结果分析
5.3.1 仿真参数设置
5.3.2 仿真实验及结果分析
5.4 自适应渐消滤波算法车载实验及结果分析
5.4.1 器件选型
5.4.2 系统组成
5.4.3 车载实验
5.4.4 实验结果及分析
5.5 基于加权最小二乘残差平方和增量判别的卡尔曼滤波算法静态实验及结果分析
5.6 本章小结
第六章 总结与展望
6.1 本文工作总结
6.2 未来工作展望
参考文献
在学期间发表的学术论文与研究成果
致谢
本文编号：3806880
本文链接：https://www.wllwen.com/kejilunwen/dianzigongchenglunwen/3806880.html
