容积粒子滤波在紧耦合SINS／GPS导航系统中的应用

合集下载

车载SINS／GPS组合导航系统自适应联合滤波模型

车载SINS／GPS组合导航系统自适应联合滤波模型
陶俊勇;陶利民
【期刊名称】《航空电子技术》
【年(卷),期】1999(000)003
【摘要】在建立车载组合导航系统联合滤波模型及算法的基础上，定义了联合滤波模型融合信息在各子滤波器中的分配准则；实现了联合滤叔模型信息分配系数的自适应调节，理论分析和计算机仿真结果均表明，引入该准则的自适应联合滤波模型及算法大大提高了系统容钷性和定位严谨。

【总页数】5页(P30-34)
【作者】陶俊勇;陶利民
【作者单位】国防科技大学机械电子工程与仪器系;国防科技大学机械电子工程与仪器系
【正文语种】中文
【中图分类】TN967.2
【相关文献】
1.GPS/SINS组合导航系统中自适应滤波器 [J], 黄春梅;尹新
2.一种自适应联合卡尔曼滤波器及其在车载GPS/DR组合导航系统中的应用研究[J], 房建成;申功勋;万德钧
3.自适应联合滤波模型及其在车载SINS/GPS组合导航系统中的应用 [J], 陶俊勇;邱静;温熙森;钱彦岭
4.车载GPS/DR/地图匹配组合导航系统的自适应联合卡尔曼滤波模型 [J], 房建成;
申功勋;万德钧
5.一种SINS/GPS紧组合导航系统的改进自适应扩展卡尔曼滤波算法 [J], 孟秀云;王语嫣
因版权原因，仅展示原文概要，查看原文内容请购买。

SINS／GPS组合导航的扩展Kalman滤波算法

２．１组合方式
我们采用ＳＩＮＳ和ＧＰＳ的松耦合方式，利用
航信息，具有不受外界干扰、动态性能好、更新频率
快等优点．但是，陀螺、加速度计的误差导致ＳＩＮＳ的导航参数误差会随着时间的积累而增大，长时间工作后不能保证足够的导航精度ｌ１］．
文献标识码：Ａ
３２６９．２０１３．０４．００１
给出了ＳＩＮＳ和ＧＰＳ组合的仿真．由仿真可见，
１引言
捷联惯性导航系统ＳＩＮＳ（Ｓｔｒａｐ — ｄｏｗｎＩｎｅｒｔｉａｌ
ＳＩＮＳ／ＧＰＳ组合导航系统优于单一的导航系统，完全满足了较高精度、高可靠性的导航要求．
明，该算法简单，容易实现，能满足导航精度要求．
关键词：ＳＩＮＳ／ｌｍａｎ滤波
中图分类号：ＴＮ９６７．２ｄｏｉ：１０．３９６９／ｊ．ｉｓｓｎ．１００６
但由于加速度计的随机常数和白噪声较小，因此通
ＮａｖｉｇａｔｉｏｎＳｙｓｔｅｍ）通过陀螺和加速度计测量得到的载体角速度和加速度数据，经一系列坐标转换、积分和数学计算获得载体的姿态角、位置和速度等导
２ＳＩＮＳ／ＧＰＳ组合导航的系统模型

GPSSINS超紧耦合组合导航系统的信息融合算法研究中期报告

GPSSINS超紧耦合组合导航系统的信息融合算法研究中期报告GPSSINS是一种超紧耦合组合导航系统，结合全球定位系统（GPS）和惯性导航系统（INS）的特点，可以提高导航系统的精度和可靠性。

在GPSSINS中，GPS提供位置和速度信息，INS提供姿态和加速度信息。

信息融合算法是将这两个系统融合在一起，得到更准确的导航结果的关键。

本次中期报告主要介绍了GPSSINS超紧耦合组合导航系统信息融合算法的研究情况，包括以下几个方面：1. GPS信号弱化对导航精度的影响GPS信号受到天气、地形和建筑物等因素的影响，会发生信号衰减和多径效应，导致定位精度下降。

针对这一问题，我们采用了多路径补偿和信号干扰削弱技术，优化GPS信号的接收和处理方式，从而提高导航精度。

2. INS误差累积对导航精度的影响INS存在着漂移和零偏等误差，这些误差会随着时间的推移累积，导致导航精度下降。

为了解决这一问题，我们研究了基于卡尔曼滤波的误差补偿方法，实现对INS误差的实时补偿，从而提高导航精度。

3. 数据融合算法的优化在GPSSINS中，GPS和INS的数据需要进行融合才能得到准确的导航结果。

我们研究了多种数据融合算法，包括基于权值的融合算法和基于粒子滤波的融合算法等，通过对比实验确定了最优算法。

4. 系统仿真与实验验证为了验证GPSSINS超紧耦合组合导航系统信息融合算法的有效性，我们进行了系统仿真和实验验证。

仿真结果表明，我们提出的算法可以有效地提高导航精度；实验结果也验证了这一结论。

总之，本次中期报告介绍了GPSSINS超紧耦合组合导航系统信息融合算法的研究情况，通过对GPS信号弱化、INS误差累积和数据融合算法的优化，实现了对导航精度的有效提高。

后续工作将进一步优化算法，提高系统的可靠性和实用性。

GPS、INS组合系统在智能车辆导航中的应用

GPS、INS组合系统在智能车辆导航中的应用作者：谢王宝王琳来源：《科协论坛·下半月》2013年第12期摘要：当代科技的迅猛发展，单一的导航定位定向系统已难以满足我国在民用和军事领域对导航、定位与定向精度的要求，因此，GPS和INS结合的组合导航系统将是一个新的发展方向。

组合导航定位定向系统以其高精度、低成本的优势将被各个领域应用。

GPS、INS各有所长，若将二者组合起来，其性能将优于二者单独使用时的性能。

关键词：GPS INS 组合导航系统中图分类号：V249 文献标识码：A 文章编号：1007-3973（2013）012-088-021 GPS/INS组合导航系统与卡尔曼滤波器卡尔曼滤波器（Kalman filter）在实现组合导航系统中作用是至关重要的。

采用卡尔曼滤波器的GPS与INS的软件三种模式的组合方式：松耦合、紧耦合、超紧耦合。

2 SINS/GPS组合导航系统建模离散化后的系统方程为：此方法采用导航系统的输出相对应量的差值作为观测量，以进行卡尔曼滤波，通过对系统的误差值的估计，得出精确度较高的误差值，将此反馈给INS进行调整，最后，由INS输出最优的定位结果。

3 速度与位置组合的SINS/GPS导航仿真模拟实验利用计算机对设计组合导航系统的性能进行仿真，是评价组合导航系统的设计质量、性能和调整组合滤波器设计参数的重要方法。

3.1 仿真条件假设车辆的行驶速度为常数，系统噪声与量测噪声的分量均为白噪声。

（见表1）取滤波周期T=1s；一阶马尔科夫相关时间Tr=300s；运行时间35h。

设位置+速度组合时量测噪声的方差阵：代入卡尔曼滤波方程中中经计算可知P（k）收敛，即协方差矩阵P（k/k-1）收敛，可见，位置+速度组合中经度误差、纬度及东、北速度估计误差滤波精度都得到明显提高。

3.2 SINS/GPS组合导航系统流程图（见图1）4 结论本文采用的卡尔曼滤波技术在工程实际中实现的过程中会有难度，这是因为其要求数学模型必须非常准确，且算法稍有复杂。

景象匹配辅助的GPS_SINS组合导航算法(1)

n) 表示GPS( i = 1) 、SIN S( i= 2) 和SM ( i= 3) 第ki 次
的观测值, 其采样率为 si, 所对应的采样时刻为 l iki,
并且有
x( i , ki ) = x( l iki) , i = 1, 2, 3.
( 3)
其中: l1 = 1、k1 = k。采样率si 之间有下列关系
C( 3, k3 ) =
.
0 00 1 0 00 0 0
( 7)
R 其中 I9 表示 9 阶单位矩阵。观测误差 v( i , ki ) ∈
q ×1 i
是方差为R( i , ki) 的零均值Gaussian 白噪声, 并假设
与系统噪声互不相关。初始状态向量x( 0) 是一个随
机变量, 均值和方差分别为 x0 和 P0, 并假设 x ( 0) 、
( 14)
P( k k - 1) = A( k - 1) P( k - 1 k - 1) AT ( k - 1) + Q( k - 1) ,
( 15)
K( k ) = P( k k - 1) CT ( 1, k ) ×
[ C( 1, k ) P( 1, k k - 1) CT ( 1, k ) + R( 1, k) ] - 1.
施航, 等: 景象匹配辅助的 G PS/ SIN S 组合导航算法
11 83
GPS 可以给出东、北、天向的位置和速度数据, 而SINS 可以给出载体在各个方向的位置、速度和加速度。SM 实时拍摄地面图像, 通过搜索实时图在基准图中的位置可以给出载体的东、北向位置数据。因
此, 为了确定载体的状态, 利用GP S、SIN S 和SM 分别对目标进行观测的组合导航系统可描述

粒子滤波算法在GPS／DR组合导航中的应用

第２７卷第１期
２１００年Ｏ２月
测绘科学技术学报
ＪｕｎｌｏｏａｉｓＳｉｎｅａｄＴｅｈｏｏｙｏｒａｆＧｅｍｔｃｃｅｃｎｃｎｌｇ
Ｖ０．７ＮＯ１Ｉ２．Ｆｅ．２１ｂＯ０
文章编号：６３６３（０００ — ０７０１７ — ３函数的选择１题，针９系统地分析比较了改进的粒子滤波算法。在此基础上提出了一种新的
粒子滤波算法—— 自适应渐消扩展Ｋｌｎ粒子滤波方法该方法用渐消扩展Ｋａｍａａｍａｌｎ滤波产生建议分布函数，由于参数的可在线调节性，得系统具有更好的自适应性和鲁棒性。与用转移先验、展Ｋａｎ滤波、使扩ｌｍａ自适应扩展Ｋｌｎ滤波、代扩展Ｋａｎ滤波以及无迹Ｋａｎ滤波产生建议分布函数的粒子滤波方法相ａｍａ迭ｌｍａｌｍａ比，自适应渐消扩展Ｋａｎ粒子滤波进一步提高了粒子滤波的精度通过对ＧＳ与航位推算（Ｒ组合导ｌｍａＰＤ）
中图分类号：２７Ｐ０
ＡｐｌａｉｎｏａｔｃｅＦｌｒｎｇｒｔｍｓｉＳＤＲｎｅｒｔｄＮａｉａｉｎｐｉｔｏｆＰｒｉｌｉｅｉｇＡｌｏｉｃｔｈｎＧＰ／Ｉｔｇａｅｖｇｔｏ
ＧＯＮＧ —ｏｇ，ＧＵＩＱｉｇｍｉｇ，ＬＩＢｏｌＹｉｎｓｎ— ｎａ —ｉ，ＺＨＯＵｎ。Ｎｉｇ

高斯粒子滤波的惯性／GPS紧组合算法

高斯粒子滤波的惯性／GPS紧组合算法于永军;徐锦法;熊智;张梁【摘要】To improve the reliability of integrated navigation, a tightly coupling nonlinear model based on pseudo range and rate is proposed for reducing the estimation error of tradi⁃tional algorithm using linear measurement model in this work. For the application of particle filtering to SINS/GPS tightly integrated navigation system, the dimension of the state variables has been a major constraint for the Real⁃time system. In this new arithmetic, a linear KF deduction and nonlinear GPF method have been employed for the linear part and the non⁃linear part to improve the precision and real time performance, respectively. Results from the simulation show that the hybrid algorithm can effectively improve the performance of the integrated navigation system, and the precision increases one time.%为提高组合导航系统的可靠性，针对以伪距、伪距率残差为量测信息的紧组合算法会带来线性化误差的缺点，推导了基于伪距、伪距率的非线性紧组合模型。

改进重采样粒子滤波算法在GPS中的应用

计算机工程与设计ＣｍｕｒｎｉｅｎｄｅｉｏｐｔＥｇｅｒｇｎＤｓｎｅｎｉａｇ
・人工智能・
２１，１００１（１３）
２２５３
改进重采样粒子滤波算法在Ｇ中的应用ＰＳ
李子昱，秦红磊
（北京航空航天大学电子信息工程学院，北京１０９）０１１
Ｋｌｎｌｒ（ＫＦ，ｗｅｍｐｏｅｅｅａｌｇｔｏｒｈＫＰ．ＡｃｏｄｎｅｒｔａａａｙｉａｄｏｕｅｍｕａｉｎｎａｍａｆｔＥ）ｉｅｒｖｄｈｓｍｐｉｈｄｆｅｉｔｒｎｍｅｏｔＥＦｃｒｉｇｏｈｏｅｉｌｎｌｓｓｍｐｔｓｌｏｔｔｃｃｎｒｉｔｉ
ＥＫＰｎｅｉｒｖｄＥＦａｄｔｈｍｐｏｅＫＰＦｔｉｅａｖｌａｉｎｆｒｈｓｌｏｔｍｓｉｉｅｅｔｔｔｓｓＴｅｓｍｕａｉｎｒｓｌｅｎｔａｅｔａｏｇｖｎｅａｕｔｏｅｅａｇｒｈｄｆｒｎａｕｅ．ｈｉｌｔｅｕｔｄｍｏｓｒｔｔｏｔｉｎｆｓｏｓｈｈｒｏｍｎｅｏｔｅｐｏｏｅｔｏａｖｏｓｍｐｏｅｎｍｐｒｄｔｏｈｒｔｅｅｆｒａｃｆｈｒｐｓｄｍｅｈｄｈｓｂｉｕｒｖｍｅｔｏａｅｔｅｔｏｓｔｈｔｔｓｆｉｈｄｎｍｉ，ｉｈｍｏｉｔ．ｐｏｉｃｏｍｅｈｄｅｓａｕｈｇｙａｃｈｇｂｌｙａｔｏｉＫｅｒｓｎｎｉｅｌｒｇｅｔｎｅｌｎｌｒｐｒｃｅｆｔｒｒｓｍｐｉｇｇｏａｏｉｏｉｇｓｓｅｙｗｏｄ：ｏｌａｆｔｉ；ｘｅｄｄＫａｍａｆｔ；ａｔｌｌｅ；ｅａｌ；ｌｂｌｓｉｎｎｙｔｍｎｒｉｅｎｉｅｉｉｎｐｔ

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

ｄｅｎｓｉｔｙｆｕｎｃｔｉｏｎｏｆＰＦｉｓｏｂｔａｉｎｅｄｂｙａｄｏｐｔｉｎｇＫａｌｍａｎｉｌｆｔｅｉｎｒｇａｌｇｏｉｔｒｈｍ，ｔｈｅｌａｔｅｓｔｍｅａｓｕｒｅｄｖａｌｕｅｓａｒｅｉｎｔｅｇｒａｔｅｄｉｎｔｏｔｈｅｔｒａｎｓｆｅｒｐｒｏｃｅｓｓｏｆｓｙｓｔｅｍｓｔａｔｅ；ｔｈｅｐｒｅｄｉｃｔｉｖｅｓａｍｐｌｅｐｒｏｄｕｃｅｄｂｙｔｈｉｓｍｅｔｈｏｄｉｓｖｅｒｙｃｌｏｓｅｔｏｒｅａｌｐｏｓｔｅｒｉｏｒｐｒｏｂａｂｉｌｉｔｙｓａｍｐｌｅｏｆｓｙｓｔｅｍｓｔａｔｅ．ＴｈｅｒｅｓｕｌｔｏｆｓｉｍｕｌａｔｉｏｎｉｎｄｉｃａｔｅｓｔｈａｔｔｈｅｅｓｔｉｍａｔｉｏｎｐｅｆｏｒｒｍａｎｃｅｏｆＣＰＦａｌｇｏｉｔｒｈｍｉｓｏｂｖｉｏｕｓｌｙｂｅｔｔｅｒｔｈａｎｓｔａｎｄａｒｄＰＦ．
Ｋｅｙｗｏｒｄｓ：Ｃｕｂａｔｕｒｅｐａｒｔｉｃｌｅｉｆｌｔｅｒ（ＣＰＦ）ＳＩＮＳ／ＧＰＳｉｎｔｅｇｒａｔｅｄｎａｖｉｇａｔｉｏｎＮｏｎｌｉｎｅａｒｓｙｓｔｅｍＫａｌｍａｎｉｆｌｔｅｒＤａｔａｆｕｓｉｏｎ
当＝０时，从初始状态分布ｐ（ｘ。）中抽取 Ⅳ个权值为１／Ｎ、方差为Ｐ的粒子集。
ＣＫＦ算法＿６将非线性滤波归结为非线性函数与高斯概率密度乘积的积分求解问题。基于高斯假设的贝叶斯算法采用２ｎ个等权值的求容积点实现非线性
紧耦合方式是将ＧＰＳ系统和ＳＩＮＳ系统作为整体
进行设计，将伪距和伪距率作为观测量，利用现代滤波
方法实现ＳＩＮＳ与ＧＰＳ的组合。在这种情况下，系统方
程是非线性的，卡尔曼滤波难以直接处理。粒子滤波
（ｐａｒｔｉｃｌｅｉｆｌｔｅｒ，ＰＦ）直接采用非线性模型，具有较好的估计精度，受到学者的青睐］。但在ＳＩＮＳ／ＧＰＳ组合
逼近。在解决高维非线性滤波问题方面，ＣＫＦ具有较
高的数值稳定性和滤波精度。根据求容积规则，可得：
② 重要性采样
当＝１，２， …，ｎ时，每一个（一１）时刻的粒子的和Ｐ一通过ＣＫＦ更新得到。和，重要性密度函数为 “ ～竹（。Ｚ）＝ Ⅳ（，ｐｉ）。
系统的数据融合问题
ｓｙｓｔｅｍ，ＳＩＮＳ）具有自主性和抗干扰能力强的优点，而全球定位系统（ＧＰＳ）能提供全球高精度的三维实时导航信息，将ＳＩＮＳ和ＧＰＳ二者相组合．可以实现优势互补，提供高精度、全天候的导航服务 … ＳＩＮＳ／ＧＰＳ组合导航系统在航空航天、精确制导武器、大地测量和智
的非线性粒子滤波存在粒子退化和样本枯竭的问题。对此，提出将容积粒子滤波（ＣＰＦ）算法应用于ＳＩＮＳ／ＧＰＳ组合导航系统。ＣＰＦ利用容积卡尔曼滤波算法得到粒子滤波（ＰＦ）的重要性密度函数，并将最新量测值融人系统状态的转移过程中，由此产生的预测样本接近于系统状态的真实后验概率的样本。仿真结果表明，ＣＰＦ算法的估计性能明显优于标准ＰＦ。关键词：容积粒子滤波（ＣＰＦ）ＳＩＮＳ／ＧＰＳ组合导航
０引言
捷联惯性导航系统（ｓｔｒａｐ．ｄｏｗｎｉｎｅｒｔｉａｌｎａｖｉｇａｔｉｏｎ
的随机误差、漂移以及ＧＰＳ的各种噪声，且系统方程的状态维数多达２０维。随着维数的增加，粒子滤波本身的计算量也急剧增加，很多常规的粒子滤波算法不能满足实时性的要求］。因此，本文采用一种最新提出的非线性滤波—— 容积粒子滤波［４技术（ｃｕｂａｔｕｒｅｐａｒｔｉｃｌｅｉｆｌｔｅｒ，ＣＰＦ）来解决紧耦合ＳＩＮＳ／ＧＰＳ组合导航
用以下两个离散的系统方程表示。
① 状态方程：
Ｘ， ¨）（１）
第一作者任波（１９６２一），男，１９９０年毕业于哈尔滨工程大学导航、制
导与控制专业，获硕士学位，教授；主要从事目标探测与识别技术、信息
容积粒子滤波在紧耦合ＳＩＮＳ／ＧＰＳ导航系统中的应用任
波，等
容积粒子滤波在紧耦合ＳＩＮＳ／ＧＰＳ导航系统中的应用
ＡｐｐｌｉｃａｔｉｏｎｏｆＣｕｂａｔｕｒｅＰａｒｔｉｃｌｅＦｉｌｔｅｒｉｎＴｉｇｈｔｌｙＣｏｕｐｌｅｄＳＩＮＳ／ＧＰＳＮａｖｉｇａｔｉｏｎＳｙｓｔｅｍ
容积粒子滤波在紧耦合ＳＩＮＳ／ＧＰＳ导航系统中的应用任波，等
以上两式中：和ｚ分别为时刻系统的状态向量和观测向量；和分别为相互独立的系统噪声
和观测噪声，Ｗ～Ｕ（Ｏ，Ｑ），～ Ⅳ（０，Ｒ）。１．１容积卡尔曼滤波
３
能交通系统等领域具有很好的使用价值，越来越受到
人们的关注。
浩
９
４
１容积粒子滤波
选择重要性概率密度是克服标准粒子滤波方法中粒子退化的关键。较之于扩展卡尔曼滤波器算法
（ｅｘｔｅｎｄｅｄＫａｌｍａｎｉｆｌｔｅｒ，ＥＫＦ）和无损卡尔曼滤波（ｕｎｓｃｅｎｔｅｄＫａｌｍａｎｉｆｌｔｅｒ，ＵＫＦ），容积卡尔曼滤波
１．２容积粒子滤波算法
令是均值为、方差为、服从高斯分布函数ｌＶ（ｘ；，Ｐ）的随机变量，Ｐ（）为状态的概率分布，ｐ（ｚＩｘ）为似然函数，借鉴文献［５］￣［８］中关于ＣＰＦ算法的框架结构，得到ＣＰＦ的算法流程如下。 ① 初始化
ｌ（ｆ）＝Ｊ＿厂（）Ｎ（；０，Ｉ）ｄｘ一荟八）（３）
导航系统的数据处理过程中，需要考虑陀螺加速度计
国家自然科学基金资助项目（编号：６０９７４０７０）。
修改稿收到日期：２０１３ — ０４ — １４。
（ｃｕｂａｔｕｒｅＫａｌｍａｎｉｆｌｔｅｒ，ＣＫＦ）更容易产生真实反映函数分布的重要性概率密度，ＣＫＦ能够使建议性密度函数更加接近于真实后验概率密度。动态非线性系统采
中图分类号：ＴＰ１４文献标志码：Ａ
非线性系统
卡尔曼滤波
数据融合
ቤተ መጻሕፍቲ ባይዱ
Ａｂｓｔｒａｃｔ：ＤｕｅｔｏｈｉｇｈｄｉｍｅｎｓｉｏｎａｌｓｔａｔｅａｎｄｎｏｎｌｉｎｅａｒｍｉｘｅｄｍｏｄｅｌｅｘｉｓｔｉｎｄａｔａｆｕｓｉｏｎｏｆＳＩＮＳ／ＧＰＳｔｉｇｈｔｌｙｃｏｕｐｌｅｄｎａｖｉｇａｔｉｏｎｓｙｓｔｅｍ，
ｃｏｎｖｅｎｔｉｏｎａｌｌｉｎｅａｒＫａｌｍａｎｉｆｌｔｅｒｉｓｉｎｃｏｍｐｅｔｅｎｔ；ｗｈｉｌｅｇｅｎｅｒａｌｎｏｎｌｉｎｅａｒｐａｒｔｉｃｌｅｆｉｈｅｒ（ＰＦ）ｆｅａｔｕｒｅｓｐａｒｔｉｃｌｅｄｅｇｒａｄａｔｉｏｎａｎｄｓａｍｐｌｅｄｅｐｌｅｔｉｏｎｐｒｏｂｌｅｍｓ，ｔｈｕｓｔｈｅｃｕｂａｔｕｒｅｐａｔｒｉｃｌｅｉｆｌｔｅｒ（ＣＰＦ）ａｌｇｏｉｒｔｈｍｉｓａｐｐｌｉｅｄｉｎＳＩＮＳ／ＧＰＳｉｎｔｅｇｒａｔｅｄｎａｖｉｇａｔｉｏｎｓｙｓｔｅｍ．ｗｉｆｈＣＰＦ。ｔｈｅｉｍｐｏｔｒａｎｃｅ