无人直升机导航系统改进型的Unscented卡尔曼滤波

论文摘要

旋翼无人直升机就有体积小,重量轻,隐蔽性和机动性能出色,易悬停和低速飞行等特点,在军事和民用领域具有广泛的应用前景,例如军事中无人巡航,火力侦察,空中打击等及民用中的事故勘察。姿态估计和导航系统是实现并控制无人直升机的前提,同时高精度和稳定性的姿态估计也是实现高性能无人直升机的一大难题。在线性系统中,姿态估计主要采用卡尔曼滤波器来对噪声进行滤波,但是卡尔曼滤波器在非线性系统中不能直接使用,而主要使用扩展卡尔曼滤波和Unscented卡尔曼滤波（UKF）。本文的主要是应用一种修正的UKF以提高姿态估计的性能。不同与一般的粒子滤波器使用随机的采样粒子,UKF的粒子向量是通过算法构造的。在对称的UKF中,一般构造2n个对称的粒子向量。在本文中球型单纯六西格玛点构造法构造n+1个粒子向量来减少UKF中使用粒子向量个数,从而减少UKF的整体计算时间量。同时这种修正后的UKF将在论文中进行推导。在仿真和试验中,我们比较几种具有典型代表性的卡尔曼滤波器来评估修正后的UKF的性能。测试比较的测重点是计算量和估计精确度。结果表明,在姿态估计中修正后的UKF计算幅度减少了,尽管精确度没有得到明显的提升。这主要是由于状态系统的非线性性并不严重。因此,六西格玛点构造法修正的Unscented卡尔曼滤波在旋翼无人直升机的姿态估计中是一个很好的选择。

论文目录

• ABSTRACT
• 摘要
• ACKNOWLEDGEMENT
• NOMENCLATURE
• LIST OF FIGURE
• INTRODUCTION
• 1.1 Background
• 1.2 Previous Work and Motivation
• 1.3 Dissertation Overview
• THE NAVIGATION SYSTEM MODEL
• 2.1 Coordinate System
• 2.1.1 Earth-Centered, Earth-Fixed Frame
• 2.1.2 Tangent Plane Frame
• 2.1.3 Body Frame
• 2.2 System Model and Realization
• 2.2.1 Velocity Fusion
• 2.2.2 Position Fusion
• 2.2.3 Attitude Fusion
• THE ESTIMATION THEORY AND KALMAN FILTER
• 3.1 Estimation Theory
• 3.2 Kalman Filter
• THE UNSCENTED KALMAN FILTER
• 4.1 Unscented Transformation
• 4.2 Sigma-Point Selection
• 4.2.1 Symmetric Sigma Points Selection
• 4.2.2 The Reduced Sigma Points Selection
• 4.2.3 The Minimal Skew Simplex Points
• 4.2.4 The Spherical Simplex Points
• 4.2.5 Summary
• 4.3 Unscented Kalman Filter with Spherical Simplex Sigma-point
• SIMULATION AND EXPERIMENT
• 5.1 Method and Procedures
• 5.2 Simulation
• 5.2.1 Augmented Unscented Kalman Filter
• 5.2.2 Simulation Results
• 5.2.3 Computational Cost and REMS Analysis
• 5.3 Experiment Results
• 5.3.1 Experiment Setup
• 5.3.2 Experiment Results
• 5.3.3 Computational Load and REMS Analysis
• CONCLUSION
• 6.1 Conclusion
• 6.2 Future Work
• REFERENCES