[发明专利]一种动基座下联合滤波初始对准方法

说明书

本发明公开了一种动基座下联合滤波初始对准方法。该方法在大失准角带来的非线性环境下通过UKF模块完成粗对准任务，而当失准角减小到门限值之后切换到KF模块继续进行精对准。本发明创新性地设定了判决门限以实现UKF和KF的切换，整体算法既能够比较精确地处理大失准角带来的非线性问题，又能够比较快速平稳地完成初始对准。此外，本发明引入了一种基于测量值的反馈算法，这种反馈算法能够避免UKF的估计值波动带来的问题，提高了UKF的收敛速度。

技术领域

本发明属于卫星导航领域，具体涉及一种动基座下联合滤波初始对准方法。

背景技术

近些年来，一些导航应用要求捷联惯导系统能够在动基座情况下完成初始对准以实现快速部署。对于基于MEMS技术的加速度计和陀螺仪组成的低成本捷联惯导系统而言，动基座情况下进行初始对准能够有效地克服器件噪声对对准过程的影响，缩短对准时间，还有一些特殊应用场景，如旋转炮弹的惯导系统需要在炮弹点火从炮管中飞出后才开始工作的场景，初始对准只能在动基座下进行。

由于动基座下载体运动状态复杂，初始失准角的三个分量往往都很大，在这种情况下，捷联惯导系统的失准角误差微分方程、速度误差微分方程的非线性程度均很高，采用扩展卡尔曼滤波法(EKF)对姿态失准角进行估计效果有限。而无迹卡尔曼滤波法(UKF)能够对非线性问题有很好的处理效果并且状态更新迭代过程与线性卡尔曼滤波算法类似。但是，相比于线性KF，UKF需要耗费更多的计算量，并且UKF收敛速度较慢。另一方面，UKF的稳定性目前还缺乏理论证明，长时间进行可能会出现发散情况。鉴于这种情况，有必要提出一种能够综合无迹卡尔曼滤波(UKF)和线性卡尔曼滤波(KF)两种算法优点的方法，使系统既能够比较精确的处理非线性较强的问题，又能够比较快速平稳的工作。

发明内容

为了解决上述问题，本发明提出了一种动基座下联合滤波初始对准方法。所述方法包括以下步骤：

步骤S1：结合卫星导航系统和捷联惯导系统，使两个系统相互独立工作以提供相应参数；

步骤S2：利用修正的UKF对准算法进行粗对准，将大的失准角缩小到较小的范围；

步骤S3：衡量状态量的可信度，决定是否利用测量量进行反馈；

步骤S4：判断失准角是否已经缩小到足够小的范围，如果未缩小到足够小范围，返回步骤S1，如果已经缩小到足够小的范围，切换至线性KF算法进行小失准角情况下的初始对准；

步骤S5：利用线性KF算法进行精对准。

优选的，步骤S1中所述卫星导航系统和捷联惯导系统结合，惯性导航系统(SINS)采用四子样解算算法，即解算频率是惯性器件采样频率的四分之一。惯性导航系统(SINS)以较高频率进行解算更新，卫星导航系统(GNSS)以较低频率进行输出更新，UKF/KF联合滤波结构的更新频率由惯性导航系统(SINS)的解算频率决定，当惯导解算更新而卫星导航系统(GNSS)不可用时，对前后时刻的卫星导航系统(GNSS)输出结果做线性插值。

优选的，所述步骤S2中，联合滤波结构的UKF部分负责实现粗对准功能，将大的失准角快速地缩小到较小的范围。在这一过程中失准角比较大，系统的非线性较强，为了加快滤波收敛速度，只选择失准角φ＝[φ_E,φ_N,φ_U]^T、速度误差δVⁿ＝[δV_E,δV_N,δV_U]^T和位置误差作为UKF估计的状态变量，选取陀螺仪零偏加速度计零偏作为过程噪声。将卫星导航系统(GNSS)测量的速度和位置与捷联惯导系统(SINS)解算出来的速度和位置分别作差，将所得到的的速度差与所得的位置差作为观测量，将卫星导航系统(GNSS)的定速误差和定位误差作为观测噪声。