[发明专利]基于李群非线性状态误差的惯性基组合导航滤波方法

说明书

一种基于李群非线性状态误差的惯性基组合导航滤波方法，包括：惯性/卫星组合导航系统中的卫星接收机和捷联惯导分别接收各自的数据信息；根据卫星接收机和捷联惯导接收的数据信息，建立惯性/卫星初始对准模型，完成基于李群非线性状态误差的惯性基组合导航滤波方法的初始对准；建立惯性/卫星组合导航模型，完成基于李群非线性状态误差的惯性基组合导航滤波方法的组合导航，将组合导航的姿态、速度、位置信息输出。本发明旨在通过严格李群意义下的非线性状态误差定义，进而解决传统的滤波方法在复杂环境下鲁棒性差的问题，以提高惯性基组合导航系统的精度。

技术领域

本发明涉及组合导航非线性滤波技术领域，特别是涉及一种可以适用于复杂环境的基于李群非线性状态误差的惯性基组合导航滤波方法。

背景技术

随着无人载体，如无人车的应用场合越来越多，其行驶的场景越发多样，不仅局限于城市道路场景，更可能在复杂的场景下，如乡村道路，牧场草原，海滩沙漠等；这些环境相较于城市来说没有平坦的路面，没有固定不变的特征结构，没有地面基站外源信息，再加之野外气候变化较大，无人车特别是军用无人车如何实现在复杂的地形和恶劣的环境中完成高精度的导航与定位是一个值得研究的问题。

无人车常用的导航定位方法是多传感器信息融合。多传感器组合导航有不同的组合模式，比如惯性/卫星组合导航，惯性/视觉组合导航和惯性/轮式里程计组合导航等。相比于图优化的方法，扩展卡尔曼滤波在实时性上具有较大优势，所以其仍然是多传感器进行信息融合的常用手段。

扩展卡尔曼滤波其从最优估计的角度通过一系列含有噪声的传感器测量信息来对速度姿态位置等状态进行估计。然而，对于无人车特别是军用无人车在野外复杂的环境中进行长航时高精度导航与定位来说，常规的扩展卡尔曼滤波框架下的多源信息融合方案仍然存在一些问题亟待解决。其中一个重要的问题就是传统的惯性基组合导航系统导航状态误差定义为线性误差，进而导致在复杂恶劣的环境下的滤波鲁棒性较差。

因此，亟需设计一种能够解决传统的滤波方法在复杂环境下鲁棒性差的问题的技术方案。

发明内容

针对现有技术中惯性基组合导航系统的滤波方法在复杂环境下鲁棒性差的问题，本发明提供一种基于李群非线性状态误差的惯性基组合导航滤波方法。本发明旨在通过严格李群意义下的非线性状态误差定义，进而解决传统的滤波方法在复杂环境下鲁棒性差的问题，以提高惯性基组合导航系统的精度。

为了实现上述技术目的，本发明采用的技术方案是：

一种基于李群非线性状态误差的惯性基组合导航滤波方法，包括：

卫星接收机和捷联惯导分别接收各自的数据信息；

根据卫星接收机和捷联惯导接收的数据信息，建立惯性/卫星初始对准模型，完成基于李群非线性状态误差的惯性基组合导航滤波方法的初始对准；

建立惯性/卫星组合导航模型，完成基于李群非线性状态误差的惯性基组合导航滤波方法的组合导航，将组合导航的姿态、速度、位置信息输出。

本发明中，卫星接收机接收的数据信息包括：经度、纬度、高度和三维速度信息。捷联惯导接收的数据信息包括：三轴陀螺仪的角增量或角速度信息和三轴加速度计的比力或比力积分增量信息。

本发明中，惯性/卫星初始对准模型包括基于李群非线性状态误差的惯性/卫星组合导航系统模型和惯性/卫星组合导航系统观测模型。根据以上模型即可完成基于李群非线性状态误差的惯性基组合导航滤波方法的初始对准。

本发明中，惯性/卫星初始对准模型的建立方法为：

(1)惯性导航状态方程建立；

姿态表达采用即载体系到地心地固坐标系ECEF的方向余弦矩阵，速度表达和位置的表达均采用载体相对于惯性系ECI的速度和位置在ECEF坐标系的投影；