简化的混合估计算法及其在GPS∕SINS深组合中的应用

《简化的混合估计算法及其在GPS∕SINS深组合中的应用》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、第44卷第3期2012年6月南京航空航天大学学报JournalofNanjingUniversityofAeronautics&AstronauticsV01．44No．3Jun．2012简化的混合估计算法及其在GPS／SINS深组合中的应用杨洋1薛晓中2(1．南京理工大学瞬态物理国家重点实验室，南京．210094；2．南京j里-I"大学能源与动力工程学院，南京，210094)摘要：为解决GPS／SINs幂组合导航系统滤波的非残性和喙声的不确定性的同是，针对深组夸模型特点，设计了一种简化的基于U滤波的多模型混合估计滤波器。根据

2、系统模型中状态方程是线性方程、观测方程是非线性方程的特点，提出了一种简化的U溶波算法(UltratightcouplingunscentedKalmanfilter，UTCUKF)，然后针对噪声变化建立了非线性模型，多模型混合估计滤波嚣的输出为各滤波器的概率加权融合，因此模型概率是根据噪声变化而调整的，从而也使系统输出对噪声变化具有一定自适应能力。最后进行了仿真，并与基于普通U滤波的多模型混合估计算法进行了比较。结果表明，奉文算法的解算时间短。模型切换速度更快，而估计的精确度与同条件下的基于普通U滤波的多模型混合估计算法相当。

3、更符合深组合系统高动态的要求．关键词：U滤波；多模型混合估计；深组合I组合导航中图分类号：TP272文献标识码：A文章编号：1005—2615(2012)03．0360．06HybridEstimationAlgorithmBasedonSimplifiedUKFforUltraTightCouplingGPS／SINSSystemYangYan91，XueXiaozhon92(1．NationalKeyLaboratoryofTransientPhysics，NanjingUnivexsityofScienceandTech

4、nology，Nanjing，210094，China；2．SchoolofEnergyandPowerEngineering，NanjingUniversityofScienceandTechnology，Nanjing，210094，China)Abstract：AccordingtothefeatureofultratightcouplingGPS／SINSsystem，inwhichthestateequationiShnearandthemeasurementequationiSnonlinear，anewsimpl

5、ifiedunscentedKalmanfilter(UKF)isproposed．ThenanewmultiplemodelhybridestimationalgorithmbasedonthesimplifiedUKFispre—sentedtOsolvetheproblemofnonlinearfilteringandnoisemodeling．Theuncertaintyofthenoisecanbedescribedbyasetofswitchingmodels．Theoutputofthemultiplemodel

6、hybridestimationfilteristheweightedsumofabankofparallelfilters．Theself-adaptivefilteringfordifferentnoisescanbeper—formedbytheadjustmentofallmodels’weights．Finally。thesimulationandcomparisonaregiven．TheapplicationofthealgorithmonultratightcouplingGPS／SINSsystemshows

7、ahigherswitchingspeedofthealgorithmthanthatofhybridestimationbasedoncommonUKF，andindicatesthatthealgorithmhasthesameaccuracywiththecomInononeinthesamecondition．ThealgorithmmeetsthedemandsofultratightcouplingGPS／SINSsystem．Keywords：unscentedKalmanfilter；multiplemodel

8、hybridestimation；ultratightcoupling；integratednavigation系统的非线性和噪声的不确定性是组合导航系统进行滤波时的两大问题。对于非线性、非高斯、非平稳问题，最优滤波器难于找到解析解，因此必须求助于次优或逼近算法‘”。多模型算