[发明专利]基于RBCKF的捷联惯导系统大方位失准角初始对准方法

说明书

技术领域

本发明涉及捷联惯导系统大方位失准角初始对准方法。

背景技术

滤波（即状态估计）的目的是根据一定的方法与准则，通过含有噪声的量测量去估计状态向量的一个过程。从一开始的经典卡尔曼滤波到现在各种形式的非线性滤波，经过近几十年的发展，滤波技术已经成为各行各业研究的热点。对于滤波来讲，稳定性、精度以及收敛速度是人们普遍关心的问题。

捷联惯导系统（英文全称：Strapdown inertial navigation system,简称SINS），惯性导航主要是通过利用惯性敏感器件（包括陀螺仪和加速度计）来测量载体相对于惯性空间的角运动和线运动，而且根据已知的初始条件，利用计算机解算出载体当前的速度信息、位置信息和姿态信息等导航参数，进一步实现载体预期的航行任务。

而对于捷联惯性导航系统，所有的惯性测量元件都直接固定在载体上，惯性测量元件的输出数据为载体相对惯性空间的角速度和加速度，再由计算机转换到导航坐标系下进行导航解算，这一过程相当于在计算机中虚拟了一个平台，以用来作为导航解算的参考。该虚拟平台的作用与平台惯性导航系统中的稳定平台类似，我们称之为“数学平台”。对于SINS本身来讲，初始对准的精度与速度对于SINS导航过程起着十分重要的作用。由于SINS初始对准的模型本身具有非线性的特点，因此，要根据具体的要求采用合理的非线性滤波方法。

工程上使用最早且最为广泛的非线性滤波方法当属扩展卡尔曼滤波（Extend Kalman Filter，EKF）。它的核心思想就是对非线性模型在固定点进行线性化。但是，当系统的非线性较强时，这种滤波方法精度较低，而且容易发散。甚至当系统不连续时，EKF滤波就无法应用。基于“对概率分布进行近似要比对非线性函数近似容易很多”的观点，Julier和Uhlmann提出了无迹卡尔曼滤波（Unscented Kalman Filter，UKF）。它通过确定性的Sigma点来逼近经服从高斯状态分布变量的均值和方差。容积卡尔曼滤波（Cubature Kalman Filter，CKF）是由Ienkaran Arasaratnam和Simon Haykin首先提出来的。它的核心思想是Cubature变换，即通过选取2n个等权值的Cubature点对非线性变换后的服从高斯分布的变量进行均值和方差的计算。CKF滤波是根据Spherical-Radical Cubature准则推导而来，与UKF相比具有更好的稳定性、更高的精度。从滤波方法上来看，CKF是UKF的一种特殊情况。但是，CKF的采点数少、计算量小，且滤波精度也要优于UKF。将首尾顺次相连的Cubature变换应用到高斯滤波器上便产生了CKF滤波，CKF滤波最初是针对状态方程和量测方程都具有非线性时所提出的。

发明内容

本发明是要解决系统的非线性较强时，滤波方法精度较低，而且容易发散，甚至当系统不连续时，EKF滤波就无法应用的问题，而提供了基于RBCKF的捷联惯导系统大方位失准角初始对准方法。

基于RBCKF的捷联惯导系统大方位失准角初始对准方法按以下步骤实现：

步骤一、根据捷联惯导系统的误差特性，建立大方位失准角初始对准的误差模型，即状态方程和量测方程；

步骤二、选取滤波初值：

令和其中，x₀为状态变量的初值，P₀为状态变量的初始误差协方差矩阵；