车载组合导航自适应滤波及抗野值算法研究

论文摘要

组合导航是车载导航的主要模式,本文主要研究SINS/OD、SINS/GPS两类组合导航系统。组合导航系统通常采用Kalman滤波算法,Kalman滤波要求精确的系统模型和系统噪声统计特性。然而,载车的实际行驶环境是复杂多变的,因而有必要研究自适应滤波以提高组合导航系统的适应性。同时,里程计、GPS提供的量测信息往往是含有野值的。因此,本文就这两类组合导航系统的野值检测和修正也进行了一定的研究。SINS/OD采用速度组合的方式,用捷联惯导系统解算出的速度量和里程计所测量的速度量之差作为组合导航Kalman滤波器的观测量,利用闭环卡尔曼滤波技术进行误差估计与校正。为适应不同的路面状况,本文利用新息序列在线估计量测噪声。在分析了里程计的测速方法和常见野值原因的基础之上,针对里程计的测量野值问题,采用基于新息的判别方法检测,并设计修正因子对新息加权修正。动态车载实验表明,抗野值自适应滤波器能有效地抑制里程计测量野值的不利影响,提高了系统的精度。SINS/GPS采用紧组合方式,即伪距、伪距率组合方式。本文研究了基于遗忘因子的自适应滤波算法。同时,利用车辆的运动约束,增强了系统在卫星数少的情况下的可观测性。根据紧组合方式量测方程维数大的特点,本文引入了序贯处理。实验表明基于运动约束的自适应滤波算法有效地提高了系统性能。由于GPS测量中的各种误差源和环境的影响,GPS的伪距、伪距率测量信号往往也是含有野值的。本文在研究了χ2检验法的基础之上,采用改进的双状态χ2检验法进行GPS野值检测,并设计方法对野值进行修正,有效地解决了SINS/GPS中的野值问题。为确保自适应Kalman滤波的稳定性,本文采用PWCS分析理论分别对SINS/OD、SINS/GPS组合导航系统进行可观性分析,并得出了一些有用的结论。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 车载导航的发展及需求状况
• 1.2 组合导航滤波算法的研究现状
• 1.3 车载组合导航滤波过程中存在的问题
• 1.4 野值对卡尔曼滤波的影响
• 1.5 论文的主要工作和结构安排
• 第二章 SINS/OD组合导航系统
• 2.1 SINS/OD组合导航算法
• 2.1.1 SINS/OD组合方案
• 2.1.2 SINS/OD组合导航系统状态方程
• 2.1.3 SINS/OD组合导航系统量测方程
• 2.2 SINS/OD组合导航自适应滤波器设计
• 2.3 SINS/OD组合导航实验
• 2.3.1 主要实验设备
• 2.3.2 动态实验
• 2.4 小结
• 第三章 SINS/OD组合导航系统抗野值算法
• 3.1 里程计测量野值分析
• 3.1.1 里程计测速分析
• 3.1.2 里程计常见测量野值情况分析
• 3.2 SINS/OD组合导航系统抗野值算法
• 3.2.1 野值检测
• 3.2.2 野值修正
• 3.3 实验及分析
• 3.4 小结
• 第四章 SINS/GPS紧组合系统
• 4.1 SINS/GPS紧组合系统
• 4.1.1 SINS/GPS紧组合方案
• 4.1.2 SINS/GPS状态方程
• 4.1.3 SINS/GPS量测方程
• 4.2 SINS/GPS自适应卡尔曼滤波
• 4.2.1 带遗忘因子的自适应卡尔曼滤波
• 4.2.2 遗忘因子的计算
• 4.3 对非完整约束的应用
• 4.4 序贯处理
• 4.5 实验及分析
• 4.6 小结
• 第五章 SINS/GPS紧密组合导航抗野值算法
• 5.1 GPS测量的伪距观测值
• 5.2 基于χ2 检验法的野值检测算法
• 5.2.1 残差χ2 检验法
• 5.2.2 状态χ2 检验法
• 5.2.3 改进的状态χ2 检验法
• 5.3 SINS/GPS野值检测及修正
• 5.4 实验及分析
• 5.5 小结
• 第六章 车载组合导航系统可观测性分析
• 6.1 离散系统PWCS可观性分析方法
• 6.2 SINS/OD组合导航系统可观测性分析
• 6.2.1 位置误差的不可观测性
• 6.2.2 里程计刻度因子可观测性分析
• 6.2.3 陀螺常值漂移和加速度计零偏可观测性分析
• 6.3 SINS/GPS组合导航系统可观测性分析
• 6.4 小结
• 第七章 结论与展望
• 7.1 工作总结
• 7.2 后续工作与展望
• 致谢
• 参考文献
• 硕士期间发表的论文