多天线GPSSINS在运动体测姿中的应用

《多天线GPSSINS在运动体测姿中的应用》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、摘要巴目粤巴巴留留巴宫自口曰巴巴曰巴粤曰口吕翻目..曰口曰吕摘要本文主要以姿态测量的组合导航系统为背景，在综合研究现代导航系统性能以及信息融合理论的基础上，对低成本、多天线GPS/SINS组合导航系统进行了设计和仿真，组合系统由惯性导航系统SINS，多天线GPS导航系统构成。导航传感器的各部分输出信息送导航计算机，应用卡尔曼滤波方法进行数据处理得到最优导航信息。惯性导航系统、GPS卫星导航系统各有其优点。GPSISINS组合，性能互补，是高度自主性和高精度的导航的重要方案.论文给出了指北方位坐标系下，以惯导系统误差方程为基础的组合导航系统进行滤波融合的系统方程，其中重点讨论了实用的GPS/SI

2、NS位置，速度和姿态组合方式。提出了一种基于多天线的GPS载波相位差分的测姿方案，并且简化了整周模糊数的求解。多天线GPS测量的姿态与GPS输出的位置，速度构成一套GPS导航系统，并把它应用于GPSJSINS组合系统。对姿态误差估计精度起到优化的作用。作为分散滤波的一种特例，联合卡尔曼浦波算法是导航信息融合处理的核心技术。本文首先讨论了联合滤波器的结构特点与信息分配原则，给出了基本的联合卡尔曼滤波算法。为了提高联合滤波算法的自适应能力，本文采用基于估计误差协方差矩阵特征值分解确定自适应信息分配因子的算法。由于带有自适应信息分配因子的自适应联合滤波算法能够随时跟踪性能最好的局部滤波器估计，因而具

3、有更高的精度和自适应能力。关键词GPS测姿;GPSJSINS;联合滤波哈尔滨工业大学工学硕士学位论文AbstractWiththeintegratednavigationsystemwhichisapplicabletoattitudedeterminationasbackground,thelow-costandmulti-antennaGPS/SINSintegratednavigationsystem,whichconsistofinertialSINS,multi-antennaGPSnavigationsystem,isdesignedandsimulated.Information

4、fromnavigationsensorsisconveyedtonavigationcomputerandprocessedinKalmanfiltering,theoptimalnavigationcanbegained.Inertialnavigationsystem(SINS),GPSsatellitenavigationsystemeachhasitstraits.IntegratingGPS/SINSandcomplementingtheirperformanceisimportantschemeforhighlyautonomousandaccuratenavigation.Th

5、eintegratednavigationsystemequationsofindirectfilteringfusionundernorth-orientedcoordinatesarefirstlypresentedinthisdissertation,andposition,velocityandatitudesynthesesofGPS/SINSareemphasizedforitsperformance.Anewatitudedeterminationapproachbasedonmulti-antennaGPSCarrierPhasediferencetechniquesispre

6、sentedandsimplifiestheintegerambiguityresolution.Theatitude,velocityandpositionofGPSformanewGPSsatellitenavigationsystem,andapplythesystemtoGPS/SINSintegratedsystem.Itimprovestheaccuracyofatitudeestimatederrors.Asaspecialcaseofdistributedfiltering,thefederatedKalmanfilteringalgorithmisthecoretechniq

7、ueofnavigationinformationfusionprocessing.Inthedissertation,thestructuralfeaturesandinformationsharingprincipleofthefederatedfilteringarediscussedatfirst,andthebasicfederatedKalmanfilteringalgorithmis