[发明专利]基于GPR与改进的SRCKF的SINS初始对准方法

摘要

本发明提供了一种基于GPR与改进的SRCKF的SINS初始对准方法，首先获取各传感器数据，并对数据预处理；建立载体系统的状态方程和量测方程；采用SSR规则选取SRCKF的容积点，建立改进的SRCKF递推方程；利用改进SRCKF递推方程递推，最终递推获取载体的初始对准姿态误差角。在需要快速对准环境下，建立GPR模型；利用系统当前的量测数据，估计系统当前对准过程的姿态误差角，求解姿态矩阵以完成初始对准任务。本发明提高SRCKF的鲁棒性，增强滤波算法的数值稳定性，并能降低高阶SRCKF的计算量，加快初始对准速度且能获得与改进的SRCKF精度相当的初始对准结果。

主权项

1.基于GPR与改进的SRCKF的SINS初始对准方法，其特征在于，包括如下步骤：步骤1：建立导航系统的初始对准模型，所述对准模型包括捷联惯性导航系统的非线性误差模型、滤波模状态模型以及量测模型；步骤2：将步骤所得的状态方程和量测方程离散化；步骤3：在不需要快速对准的情况下，以状态方程和量测方程执行改进的SRCKF的时间更新过程，获取状态的预测估计值和预测误差协方差的平方根；步骤4：以改进SRCKF时间更新的预测估计值和预测误差协方差的平方根为初始值进行迭代，迭代至最大次数，完成量测更新；步骤5：由步骤4获取的状态量中提取欧拉角平台估计值和速度估计值修正SINS解算的姿态矩阵和速度，将修正后的值作为下一次SINS解算的初始值，并利用当前获得的陀螺仪和加速度计常值误差估计值修正下一时刻的陀螺仪输出和加速度计输出；步骤6：当改进SRCKF运行一定时间后，每隔一个固定的时间间隔保存系统测量数据，构建以后需要快速对准环境下采用GPR模型算法需要的训练数据集，共保存N组数据；步骤7：在需要快速对准的环境下，根据上一个初始对准过程中保存的训练数据集D采用GPR模型算法进行学习；同时将当前SINS实时解算的量测数据作为输入将姿态误差角作为输出，更新GPR的训练数据集进行学习，获得系统的状态转移GPR模型和量测GPR模型；再利用获得系统的状态转移GPR模型和量测GPR模型，获取系统当前对准过程的姿态误差角以及误差方差，完成系统的初始对准。