基于SSUPF的SINS传递对准研究.pdf

《基于SSUPF的SINS传递对准研究.pdf》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。

1、58传感器与微系统(TransducerandMicrosystemTechnologies)2010年第29卷第4期基于SSUPF的SINS传递对准研究杨萌，高伟(哈尔滨工程大学自动化学院。黑龙江哈尔滨150001)摘要：动基座传递对准具有非线性非高斯的特征，运用卡尔曼滤波(EKF)这样基于局部线性化和高斯假设的滤波方法很难取得理想的滤波精度。超球面单形无迹粒子滤波(SSUPF)是一种基于SSUT变换的无迹粒子滤波，SSUT变换利用超球面分布的sigma点采样方式，减少了sigma点数量，对于高维系统，计算量大幅度

2、减少。在滤波算法中，通过SSUKF产生重要性概率密度函数，引入了最新的观测数据，因此更接近于系统状态的后验概率。仿真结果表明：SSUPF相比EKF和UKF提高了传递对准的精度，达到与标准UPF相当的程度，并可以获得高于UPF的计算效率。关键词：传递对准；动基座；超球面单形无迹粒子滤波；捷联惯导中图分类号：V249．32文献标识码：A文章编号：1000-9787(201o)04-0058-04Research0nSSUPFalgorithmbased0nparticleswarmopt·i●mi●zat·i●0nYAN

3、GMeng，GAOWei(SchoolofAutomation，HarbinEngineeringUniversity，Harbin150001，China)Abstract：Withthenonlinearandnon—gaussianfeatures，moving-basetraderalignmentishardtoachieveidealfilterprecisionwithEKF，whichisbasedonpartiallinearizationandgaussianhypothesis．SSUPFisa

4、unscentedparticlefilterbasedonSSUTwhichdecreasesthesigmapointsandthuscutsdownthecalculationinhi【ghdimensionalsystemwiththehypersphericallydistributedsigmapoints．ThefilteralgorithmcreatesimportanceprobabilitydensityfunctionthroughSSUKF，andthenewestobservationdat

5、aisintroducedtobetterapproximatetheposteriorprobabilityofthesystemstate．ThesimulationresultindicatesthatcamparedwithEKFandUKF，SSUPFenhancesthefilterprecisiontothedegreesimilarwiththestandardUPF，andacquiresthecalculatingeficiencyhigherthanUPF．Keywords：transferal

6、ignment；movingbase；sphericalsimplexunscentedparticlefilter(SSUPF)；strapdowninertialnavigationsystem(SINS)0引言误差，使得滤波精度很难保证，某些情况下甚至会导致发散。随着惯性导航技术的不断发展，传递对准因其具有对粒子滤波是当前广泛运用的一种非线性滤波算法。其准时间较短、对子惯导的惯性器件精度要求不高等优点，而基本思想是由加权的离散随机采样点描述所需要的随机变受到了国内外研究者的广泛关注。传递对准实际上是一种量的后验

7、概率密度，这些采样点即粒子。粒子滤波算法关动基座对准，它利用精度较高的主惯导系统校准精度相对键的步骤是重要性概率密度函数的确定，重要性函数越接较低的子惯导系统。传递对准的精度受到多方面的影响，近后验概率密度，滤波器的性能就越好。针对这一步骤出如匹配方法、滤波算法、载体的挠曲变形以及由主子惯导相现了多种利用不同方法确定重要性函数的粒子滤波算法。对位置产生的杆臂效应等J。其中影响尤为突出的是前2UPF算法是通过无迹卡尔曼滤波(UKF)获得重要性函数，个方面，也就是说选择适合系统工作要求的匹配方法和高结合最新的观测值，对状

8、态的三阶逼近，使分布向高似然度效且易于实现的滤波算法是传递对准的关键。区域移动，更接近状态的后验概率分布。在动基座传递对准中用得最多的是扩展卡尔曼滤波UKF算法的计算效率很大程度上取决于uT变换中采(EKF)J，但由于EKF在线性化和高斯假设中引入了过多的样点的个数。对于n维随机向量，标准的uT变换采用2n+1收稿日期：2010-02-03基金