[发明专利]一种提高鲁棒性的动基座初始对准方法

说明书

技术领域

本发明属于捷联惯导系统技术领域，尤其是一种提高鲁棒性的动基座初始对准方法。

背景技术

初始对准是捷联式惯性导航系统(捷联惯导系统，Strapdown Inertial Navigation System,SINS)的关键技术之一，它直接影响捷联惯导系统的导航性能，即导航精度和反应时间。按照惯导系统安装基座的运动状态可分为静基座对准和动基座对准。在静基座对准时，通常初始位置已知且初速度为零，仅需要研究如何使捷联惯导平台坐标系按照导航坐标系定向。而动基座对准的对准环境非常复杂，涉及到环境建模以及测量等方面的技术，因此，动基座对准是基座对准的一项技术难题。

在进行捷联惯导系统动基座初始对准时，最常用的方法就是采用卡尔曼滤波(Kalman Filter,KF)技术，均差滤波器与遗传算法在初始对准中有着尚佳地表现。同时，对于非线性系统，扩展卡尔曼滤波(Extended Kalman Filter,EKF)也是比较常用的。相对来说，无迹卡尔曼滤波(Unscented Kalman Filter,UKF)有着最为广泛的实际应用,但是，模型噪声和观测干扰会对估值产生影响，进而造成对准结果的失准。为了改进初始对准的精度和速度，研究热点主要集中在两个方面：第一方面是改进初始对准的模型，第二方面是改进UKF算法。无迹粒子滤波(Unscented Particle Filter,UPF)以其处理非线性非高斯问题的特有优势，在初始对准中亦有所应用，但是，UPF运算量过大，在工程实践中难以实现，为克服此缺点而采用与KF相结合的方式应用于初始对准，提高了精度，但耗时仍较长。

惯性导航系统的动基座对准是一个非线性系统，在现有技术中，常常假设姿态误差角是小量，以忽略其高阶项，得到常用的线性误差模型。在导航数据出现较大误差时使用线性模型模拟便不能对实际情况进行有效仿真。同时，在武器使用的复杂环境中，动基座初始对准系统还要经受非高斯和非平稳的噪声和干扰。这些都是上述KF和普通UKF难以胜任的。

传统KF是线性系统中的最佳滤波方法，在针对非线性系统时，拟合概率分布要比拟合非线性函数本身更容易。UKF以无迹变换(Unscented Transformation,UT)为核心，来实现概率分布上对非线性函数的近似，以卡尔曼滤波器为框架，在非线性系统估值中有着良好的性能。不同的采样策略对应了不同的UT变换方法，有对称采样、单形采样等，最为常见的是采用尺度可变对称采样策略的UKF算法，如图1所示。现对上述方法分析如下：

（1）UKF滤波器的权重因子及相关参数如下：

w0(m)=λ/L+λ,i=0---(1)]]>

w0(c)=λ/L+λ+(1-a2+β),i=0---(2)]]>