杨元喜——组合导航及融合导航(简本).ppt

杨元喜——组合导航及融合导航(简本).ppt

  1. 1、本文档共60页,可阅读全部内容。
  2. 2、有哪些信誉好的足球投注网站(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
1 松组合又称级联Kalman滤波(Cascaded Kalman Filter)方式。 观测量——INS和GNSS输出的速度和位置信息的差值; 系统方程——INS线性化的误差方程; 通过扩展Kalman滤波(Extended Kalman Filter= EKF)对INS的速度、位置、姿态以及传感器误差进行最优估计,并根据估计结果对INS进行输出或者反馈校正。 6、卫星导航与惯性导航组合方式 6.1 松散组合(Loosely-Coupled Integration) 松组合基本概念 GNSS接收机通常通过自己的Kalman滤波输出其速度和位置,这种组合导致滤波器的串联,使组合导航观测噪声时间相关(有色噪声),不满足EKF观测噪声为白噪声的基本要求,严重时可能使滤波器不稳定。 几乎无冗余信息,不利于异常诊断,不利于进行随机模型改化 …。 松组合的主要缺点 系统结构简单,易于实现,可以大幅度提高系统的导航精度,并使INS具有动基座对准能力。 松组合的主要优点 6、卫星导航与惯性导航组合方式(续) 观测量——根据GNSS接收机收到的星历信息和INS输出的位置和速度信息,计算相应于INS位置的伪距和伪距率,GNSS接收机测量得到的伪距和伪距速率与INS计算值的差值。 通过EKF对INS的误差和GPS接收机的误差进行最优估计,然后对INS进行输出或者反馈校正。 由于不存在滤波器的级联,并可对GNSS接收机的测距误差进行建模,因此这种伪距、伪距率组合方式比位置、速度组合具有更高的组合精度。而且在可见星的个数少于4颗时也可以使用。 6.2 紧组合(Tightly-Coupled Integration) 6、卫星导航与惯性导航组合方式(续) 深组合是使用惯性导航信息对GNSS接收机进行辅助导航的组合方式。 主要思想:既使用滤波技术对INS的误差进行最优估计,同时使用校正后的INS速度信息对接收机的载波环、码环进行辅助跟踪,从而减小环路的等效带宽,增加GPS接收机在高动态或强干扰环境下的跟踪能力。 嵌入式组合将INS和GNSS进行一体化设计,通过共用电源、时钟等进一步减小体积、降低成本和减小非同步误差的影响。 6.3 深组合(Deeply-Coupled Integration) 6、卫星导航与惯性导航组合方式(续) 思路 各传感器观测信息分别与动力学模型进行滤波解算,得到分滤波结果; 各分滤波器结果与主滤波器进行融合; 采用联邦滤波原理(Federated Klamn filter) 7、融合导航算法进展 7.1 联邦滤波算法 联邦滤波算法示意图 ··· 参考系统 局部传感器r 局部滤波器r Lr 主滤波器 ? 时间传递状态转移 融合 更新 L1 局部传感器1 局部滤波器1 局部传感器2 局部滤波器2 L2 原理 7、融合导航算法进展(续) 7.1 联邦滤波算法(续) 联 邦 滤 波 存 在 的 问题 1.主要问题是LF/LF及LF/MF之间的相关性问题 2. 局部传感器和主传感器使用了相同状态方程 精度差 次优 可靠性差 某一传感器故障 原理成立前提? 7、融合导航算法进展(续) 7.1 联邦滤波算法(续) 7、融合导航算法进展(续) 联邦滤波算法不是最优算法,且稳定性无法得到保障(吴德平等,申功勋,2001)。 联邦滤波要求局部传感器采用Kalman滤波处理,且局部系统采用相同的转移矩阵和系统噪声矩阵,实际上许多导航仪内部处理模块并非采用Kalman滤波器。 联邦滤波在融合处理时往往对局部系统噪声矩阵进行统一放大,对高精度、高可靠性的传感器造成效率损失,而对低精度传感器的误差又得不到应有控制。 特点 7.1 联邦滤波算法(续) 各局部传感器的滤波采用了相同的或相近的状态方程,导致主滤波器与各局部滤波器输出量之间以及各局部滤波器输出量之间不独立,其解不具有严格性和最优性。 如果状态方程出现扰动误差,将影响每个滤波器的性能,最终影响整体滤波效果,从而导致导航解的可靠性差。 特点(续) 7、融合导航算法进展(续) 7.1 联邦滤波算法(续) 解决相关性问题的现有途径 忽略相关性?——动力学模型导致的相关性,本质上是动态载体扰动对所有传感器滤波结果影响的相关性,忽略这种相关性,有时会带来灾难性的导航结果。 各传感器采用不同的状态方程?——但同一动态载体一般很难建立多个独立的动力学模型。 相关数据融合滤波?——数据处理相当复杂。 改变采样间隔——又会产生同步问题。 7、融合导航算法进展(续) 7.1 联邦滤波算法(续) 7.2 动、静态滤波算法(杨--武大学报2003) 7、融合导航算法进展(续) 思路 选择一个精度较高的传感器与动力学模型进行动态滤波解算,得到动态滤波结果; 其他传感器观测信息与动态滤波结果进

文档评论(0)

花千骨 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档