SINS/TAN/GPS组合导航信息融合技术研究

论文摘要

针对现代高性能飞行器对导航系统高精度、高自主性和高可靠性的要求,通过多传感器进行信息融合提高导航精度已成为必然趋势。本文采用捷联惯导系统(SINS)、地形辅助导航系统(TAN)和全球定位系统(GPS)构成组合导航系统,通过模糊自适应联邦Kalman滤波算法,提高了导航系统整体性能。首先,本文为更好的提高导航精度,对地形辅助导航匹配算法进行了深入研究。为选择更好的地形辅助导航的匹配算法,针对常规几种匹配算法的局限性,对高程熵与绝对差综合匹配算法进行了仿真验证。证明该算法在匹配精度和速度上都优于传统的TERCOM匹配方法,可以很好的满足飞行器的应用要求。其次,阐述了数据融合估计理论,归纳总结了多传感器系统中的各种数据融合结构,建立了基于Kalman滤波的数据融合估计模型,并分别给出了集中式、联合式等结构的Kalman滤波算法。针对传统联邦滤波结构信息分配因子不能随子滤波器精度变化而自动调整的问题,本文提出了模糊自适应联邦Kalman滤波算法。实时改变低滤波精度的子滤波器在全局估计时的权重,而且对子滤波器进行周期反馈,即提高了滤波精度又兼顾了容错性和运算速度,并对该算法进行了仿真实验,证明该算法优于传统的联邦Kalman算法。最后,在实验室试验条件下,根据飞行器的应用需求,采用VxWorks操作系统、盛博公司的PC104嵌入式硬件平台,对SINS/TAN/GPS组合导航系统进行了实现设计。根据由模拟器得到的导航信息进行了半实物仿真实验,实验数据进一步验证了算法的优越性及设计实现的合理性。

论文目录

• 摘要
• ABSTRACT
• 第1章 绪论
• 1.1 选题的背景和意义
• 1.2 导航技术的发展概况
• 1.2.1 组合导航系统的现状及在现代飞行器中的运用
• 1.2.2 组合导航常用信息融合技术
• 1.3 论文主要研究内容
• 第2章 Kalman滤波及其在数据融合技术中的应用
• 2.1 Kalman滤波理论基础
• 2.1.1 Kalman滤波与最优估计
• 2.1.2 Kalman滤波器系统描述
• 2.2 集中式Kalman滤波
• 2.3 分散滤波与联邦Kalman滤波
• 2.3.1 联邦Kalman滤波器的算法原理
• 2.3.2 联邦卡尔曼滤波器的结构与性能分析
• 2.4 模糊自适应Kalman滤波
• 2.5 本章小结
• 第3章 INS及GPS导航系统的研究
• 3.1 导航坐标系
• 3.1.1 常用坐标系概述
• 3.1.2 坐标系之间的转换
• 3.2 惯性导航系统
• 3.2.1 INS系统介绍
• 3.2.2 平台式惯性导航系统的基本原理
• 3.2.3 捷联式惯性导航系统的基本原理
• 3.2.4 惯性系统误差模型
• 3.3 全球卫星定位系统（GPS）
• 3.3.1 GPS工作基本原理
• 3.3.2 GPS误差模型
• 3.4 本章小结
• 第4章 基于高程熵与绝对差的地形匹配算法研究
• 4.1 常用地形辅助导航系统
• 4.1.1 地形轮廓匹配辅助导航系统
• 4.1.2 景象相关辅助导航系统
• 4.1.3 SITAN系统
• 4.1.4 不同地形辅助导航系统的性能比较分析
• 4.2 基于高程熵与绝对差算法的地形匹配
• 4.2.1 高程熵概述
• 4.2.2 基于高程熵与绝对差的匹配算法
• 4.2.3 基于高程熵与绝对差的匹配步骤
• 4.3 仿真实验与结果分析
• 4.3.1 仿真参数选取
• 4.3.2 仿真结果分析
• 4.4 本章小结
• 第5章 SINS/TAN/GPS组合导航系统滤波器设计及实现
• 5.1 基于模糊理论的自适应联邦Kalman滤波器设计
• 5.1.1 自适应信息分配因子的确定
• 5.1.2 自适应联邦滤波器的周期反馈重置
• 5.2 组合导航系统模型的建立
• 5.2.1 滤波器的状态方程
• 5.2.2 SINS/TAN组合子系统的量测方程
• 5.2.3 SINS/GPS组合子系统的量测方程
• 5.3 仿真实验及结果分析
• 5.4 组合导航系统的实现
• 5.4.1 组合导航系统的实现结构
• 5.4.2 组合导航系统硬件设计
• 5.4.3 组合导航系统软件设计
• 5.4.4 信息处理模块设计
• 5.5 本章小结
• 结论
• 参考文献
• 攻读硕士学位期间发表的论文和取得的科研成果
• 致谢