地磁辅助惯性导航系统的数据融合算法
卫星导航系统的多源数据融合

卫星导航系统的多源数据融合在当今科技飞速发展的时代,卫星导航系统已经成为我们日常生活中不可或缺的一部分。
从出行导航到精准农业,从航空航天到地质勘探,卫星导航系统的应用领域不断拓展,其重要性日益凸显。
然而,随着应用需求的不断提高,单一的卫星导航系统数据源往往难以满足复杂场景下的高精度、高可靠性定位导航需求。
这时,多源数据融合技术应运而生,为卫星导航系统的性能提升和应用拓展带来了新的机遇。
那么,什么是卫星导航系统的多源数据融合呢?简单来说,就是将来自不同来源、不同类型的数据进行综合处理和分析,以获取更准确、更完整、更可靠的导航信息。
这些数据源可以包括全球定位系统(GPS)、北斗卫星导航系统、格洛纳斯卫星导航系统、伽利略卫星导航系统等不同的卫星导航系统,也可以包括惯性导航系统、里程计、地图数据、通信基站定位数据等其他辅助定位数据源。
多源数据融合的意义何在?首先,它能够提高定位精度。
不同的卫星导航系统在覆盖范围、信号精度、可用性等方面存在差异。
通过融合多个卫星导航系统的数据,可以弥补单一系统的不足,实现更精准的定位。
例如,在城市峡谷等卫星信号遮挡严重的区域,结合惯性导航系统的短期高精度数据和卫星导航系统的长期稳定数据,可以有效提高定位的连续性和准确性。
其次,多源数据融合能够增强系统的可靠性和鲁棒性。
在复杂的电磁环境中,卫星导航信号可能会受到干扰、欺骗甚至中断。
此时,融合其他辅助定位数据源可以为系统提供备份和补充,确保在极端情况下仍能保持一定的导航能力。
比如,当卫星信号丢失时,里程计可以根据车辆的行驶速度和方向提供相对位置信息,帮助维持导航的连续性。
再者,多源数据融合有助于拓展卫星导航系统的应用领域。
通过融合地图数据、传感器数据等,可以实现更加智能化的导航服务,如智能交通中的车道级导航、自动驾驶中的环境感知与路径规划等。
实现卫星导航系统的多源数据融合并非易事,需要解决一系列关键技术问题。
首先是数据的时空配准。
采用强制降噪和多尺度融合的地磁导航方法

利 用地 磁场 进行 自主 导航定 位有 望弥 补传 统辅
助导航 方法 的不 足 , 因此成 为 近年 来 导航 领域 的研
究热点 之一
。但 由于 地 磁 场 属 弱 磁 场 , 号 强 信
度较弱 , 易受 到环 境 噪声 、 变化磁 场 以及地 表人 文设
收稿 日期 :0 00 -8 修回 日期 :000 —9 2 1- 2 ; 7 2 1 -91 基金项 目: 国家 自然科学基金(0 7 0 3 6 94 8 ) 6 84 9 , 0 00 3
DOI 0 3 7 /iis .0 0 12 . 0 . . 0 :1 . 8 3 .sn 1 0 —3 8 2 1 010 8 1
A e h d f r Ge m a ne i a c i g Na i a i n Ba e n Fo c d M t o o o g tc M t h n v g to s d o r e De- ii g a d M u t- c l so ・ No sn n liS a e Fu i n -
制 降噪 和多尺度 融 合 的地 磁 匹配 导 航方 法 , 法 的 方
流程如下 , 限于篇 幅 , 流程 中省去 了其 中关 于小波 分 析 的有关 基本公 式 , 可参考 文献 [ 2 和 [ 3 : 1 ] 1 ] 步 骤 1 采 用 M l t 式 算 法 , 原 始 地 磁 数 al 塔 a 对 据( 包括基 准 图和 实 时 图数 据 ) 行 小 波 多 尺 度 分 进 解, 得到各 尺 度 下 的 地 磁 数 据 , 尺 度 分解 可用 式 多
磁 匹配 导 航 仿 真 实 验 结 果 表 明该 方 法 可有 效 提 高 导航 的精 度 、 率 和 可 靠 性 。 概 关 键 词 :地 磁 导 航 ;多 尺 度 ;强 制 降 噪 ;融 合 ;匹 配 中 图分 类 号 :P 1 38 文献 标 识 码 :A 文 章 编 号 :10 —38 2 1 ) 1 0 3 7 00 12 (0 1 0 - 5 - 0 0
惯性_地磁组合导航算法_蔡洪

−5
(3)
式中, B ( x , y )、 I ( x , y )、 D ( x , y ) 分别表示坐标 ( x , y ) 处的地磁场强度、磁倾角、磁偏角,ri = ( x − xi ) + ( y − yi ) ,
2
a1 、 a2 和 Fi 为 xi、yi 分别表示网格处的坐标值; ε 为控制曲面曲率变化的小量,本文取为 10 ; N 为拟合点数量。 a0 、
地磁滤波辅助惯性导航是指在规划好的区域根据惯导系统的位置输出在地磁基准图上读取对应的地磁场强度值与导弹飞行过程中地磁测量装置的实测值进行比较其差值包含了惯性导航定位的误差信息通过滤波对惯导系统的位置输出进行修正使得导航系统的定位结果向着真实位置靠拢34
第 17 卷第 3 期 2009 年 6 月 文章编号:1005-6734(2009)03-0333-05
(4)
′ 、a1′ 、a2 ′、Fi′ 和 a0 ′′、a1′′、a2 ′′ 类似地, 用同样的方法可以求出 a0 每个曲面样条模型共有 N + 3 个待定参数。 、Fi′ 的值,
若采用EKF进行滤波计算,则相应的雅克比矩阵为可表示如下:
⎡ ∂B ⎢ ∂x ⎢ ⎢ ∂I ∂h H= =⎢ T ∂X ⎢ ∂x ⎢ ∂D ⎢ ⎣ ∂x
1
惯性/地磁组合导航
惯性/地磁组合导航的方式主要有地磁匹配辅助惯性导航和地磁滤波辅助惯性导航两种。地磁匹配原理与地形匹配类
收稿日期:2008-12-10;修回日期:2009-05-31 基金项目:教育部新世纪优秀人才支持计划(NCET-05-0901) 作者简介:蔡洪(1967-) ,男,教授,博士生导师,主要从事导航、制导、控制等方面的研究。Email:hcai@
磁力计加速度计融合算法

磁力计加速度计融合算法引言:磁力计和加速度计是常用的传感器,广泛应用于导航、姿态估计、运动检测等领域。
然而,单独使用这两种传感器往往会存在精度不高、容易受到外界干扰等问题。
为了克服这些问题,磁力计和加速度计常常需要进行融合,以提高精度和稳定性。
本文将介绍磁力计加速度计融合算法的原理、方法和应用。
一、磁力计与加速度计的原理和特点1. 磁力计原理:磁力计是通过测量磁场的强度和方向来确定物体的方位。
它基于霍尔效应或磁阻效应,可以测量三个方向上的磁场强度和方向。
磁力计的输出通常是一个三维向量,表示磁场在X、Y、Z三个轴上的分量。
2. 加速度计原理:加速度计是通过测量物体的加速度来确定物体的运动状态。
它基于质量相对于引力的惯性特性,可以测量三个方向上的加速度。
加速度计的输出通常是一个三维向量,表示加速度在X、Y、Z三个轴上的分量。
3. 磁力计和加速度计的特点:磁力计具有高精度、低功耗和不受重力影响等特点,但容易受到周围环境中的磁场干扰。
加速度计具有高频响应、稳定性好和不受磁场影响等特点,但在静止状态下无法区分重力加速度和其他加速度。
二、磁力计加速度计融合算法的原理磁力计加速度计融合算法的目标是通过综合利用磁力计和加速度计的数据,估计物体的方位和位置。
该算法的原理基于以下两个假设:1. 加速度计能够提供关于物体的姿态(方向)信息;2. 磁力计能够提供关于物体的方向信息。
基于以上假设,磁力计加速度计融合算法的核心是将加速度计和磁力计的数据进行融合,得到更准确和稳定的姿态和方向估计结果。
算法主要分为以下几个步骤:1. 数据预处理:对磁力计和加速度计的原始数据进行校准、滤波和坐标系转换,以提高数据的质量和一致性。
2. 姿态估计:利用加速度计的数据估计物体的姿态。
一种常用的方法是使用加速度计的输出向量计算物体的俯仰角和滚动角。
3. 方向估计:利用磁力计的数据估计物体的方向。
一种常用的方法是根据磁力计的输出向量计算物体的航向角。
惯性导航仪的工作原理

惯性导航仪的工作原理惯性导航仪(Inertial Navigation System,简称INS)是一种利用惯性传感器测量和计算飞行器、舰船或者车辆在空间中的位置、速度和姿态的导航设备。
它不依赖于外部参考物体,可以在无法接收全球定位系统(GPS)信号或者其他导航设备不可用的情况下提供准确的导航信息。
惯性导航仪的工作原理基于牛顿力学定律和惯性测量原理。
它由三个加速度计和三个陀螺仪组成,分别测量飞行器在三个坐标轴上的加速度和角速度。
加速度计测量的是飞行器在空间中的加速度,而陀螺仪则测量的是飞行器的角速度。
在工作过程中,加速度计和陀螺仪会将测量到的数据传输给惯性导航仪的中央处理器。
中央处理器根据牛顿力学定律和惯性测量原理,通过积分计算出飞行器的速度、位置和姿态信息。
具体来说,加速度计测量的加速度数据经过积分后可以得到速度信息,再经过一次积分可以得到位置信息。
陀螺仪测量的角速度数据则可以直接用于计算飞行器的姿态信息。
为了提高惯性导航仪的精度和稳定性,还可以使用其他传感器来对惯性导航仪进行辅助校准。
例如,气压计可以用于测量飞行器的高度信息,磁力计可以用于测量地磁场信息。
这些辅助传感器的数据可以与惯性导航仪的数据进行融合,从而提高导航的准确性。
惯性导航仪的优点是具有较高的精度、独立性和抗干扰能力。
由于不受外界环境和信号干扰的影响,它可以在各种复杂的环境下正常工作。
然而,惯性导航仪也存在一些缺点,例如长期使用会导致误差积累,需要定期进行校准和更新。
总之,惯性导航仪是一种重要的导航设备,通过测量和计算飞行器在空间中的加速度、角速度和姿态信息,提供准确的导航数据。
它的工作原理基于牛顿力学定律和惯性测量原理,具有精度高、独立性强的特点,可以在无法接收其他导航信号的情况下正常工作。
地磁辅助惯性导航匹配算法研究

地磁 辅 助 惯性 导 航 匹配 算 法研 究
李 豫 泽 , 石 志 勇 , 杨 云 涛 ( 械 工 程学 院 火炮 工 程 系 ,河 北 石 家庄 0 00 ) 军 5 0 3
摘 要 :对 地磁 辅 助惯 性 导航 技 术 的基 本 原理 进 行 了分析 ,鉴 于采样 卡 尔曼 滤 波算 法在 重 力辅 助导 航 中的成 功应 用 ,将 其用 于地 磁 图形 匹配 。滤 波通 过设 计 少量 的 。点 ,并 计 算这 些 。点 的经 由非线 性 函数 的传 播 ,从 而获 得 滤波 值 基 于 非线 性状 态 方程 的 更新 ,较 广 义 卡 尔 曼滤 波具 有计 算 精度 高、便 于计算 的 特 点。
首 先 做 好 地 磁 分 布 图 , 图 中各 路 线 都 有 特 殊 的地 磁
分 布 ; 载 体 在 运 动 中 ,地 磁 特 征 传 感 器 可 实 时测 得
地 磁 特 征 数 据 ; 同 时 ,根 据 惯 导 的 位 置 信 息 ,可 从 地 磁 特 征 图 中读 取 地 磁 数 据 。将 这 2种 数 据 送 给 匹 配 解 算 计 算 机 ,利 用 匹 配 解 算 软 件 解 算 ,可 求 最 佳 匹 配 位 置 。 利 用 该 信 息对 惯 导 系 统 校 正 ,起 到 抑 制 惯 导 误 差 ,提 高 导 航 精 度 的 作 用 。导 航 原 理 如 图 1 。
Ke wo d : n ril a i ai n s se (NS) y r s I e t vg to y tm I an ;Ge ma n tcad di e t l a i ai n s se Sima( )p it S mpi g o g ei ie n ri vg to y tm; g an o on; a l n
rtk融合算法

rtk融合算法RTK融合算法RTK(Real-Time Kinematic,实时动态定位)融合算法是一种用于实时动态定位的技术。
它结合了全球导航卫星系统(GNSS)接收机和惯性测量单元(IMU)的数据,以提供高精度、实时的位置和姿态信息。
在各种应用领域中,RTK融合算法已被广泛使用,包括航空、航海、农业、测绘等。
RTK融合算法的核心思想是通过将GNSS接收机和IMU的数据进行融合,来消除GNSS信号受到的各种误差,从而提高定位的精度和稳定性。
GNSS接收机通过接收多颗卫星发射的信号,利用三角定位原理计算出接收机的位置。
然而,由于卫星信号在传播过程中受到大气、地形、建筑物等因素的影响,导致定位误差较大。
而IMU则通过测量物体的加速度和角速度,来估计物体的运动状态。
然而,IMU的测量结果会存在漂移和噪声等问题,导致定位结果不准确。
因此,将GNSS和IMU的数据进行融合,可以互补彼此的优势,提高定位的精度和稳定性。
RTK融合算法的关键步骤包括数据预处理、特征提取、数据融合和结果输出。
首先,对GNSS和IMU的原始数据进行预处理,包括数据对齐、去除噪声、滤波等。
然后,通过特征提取算法提取出GNSS和IMU数据中的关键特征,如卫星的位置、速度、加速度等。
接下来,使用数据融合算法将GNSS和IMU的数据进行融合,得到更精确和稳定的位置和姿态估计结果。
最后,将融合后的结果输出给用户或其他系统进行进一步的应用和处理。
RTK融合算法的优势在于能够提供高精度、实时的定位和姿态信息。
相比于单独使用GNSS或IMU进行定位,融合算法可以克服各自的缺点,提高定位的精度和稳定性。
此外,RTK融合算法还可以根据具体应用场景的需求,进行参数配置和算法优化,进一步提高定位的性能。
在航空领域,RTK融合算法可以应用于飞行器的导航和控制。
通过实时获取飞行器的位置和姿态信息,可以实现精确的航迹控制和自主导航。
在航海领域,RTK融合算法可以应用于船舶的定位和航行安全。
磁力计加速度计融合算法

磁力计加速度计融合算法引言:磁力计和加速度计是常用的传感器,可以用于估计物体的姿态和运动状态。
然而,由于各自的局限性,单独使用磁力计或加速度计会存在一些问题。
因此,磁力计和加速度计融合算法应运而生,用于提高姿态和运动状态的估计精度。
本文将介绍磁力计加速度计融合算法的原理和应用。
一、磁力计和加速度计的原理1. 磁力计原理:磁力计是通过测量周围磁场的强度和方向来估计物体在空间中的姿态。
磁力计基于磁场的变化来工作,可以测量磁场的强度和方向。
它通常使用三轴磁力计来获取完整的磁场信息。
2. 加速度计原理:加速度计是通过测量物体的加速度来估计物体的运动状态。
加速度计基于牛顿第二定律,利用物体的质量和所受到的力来计算加速度。
加速度计通常使用三轴加速度计来获取三个方向上的加速度信息。
二、磁力计加速度计融合算法的原理磁力计和加速度计融合算法的目标是通过结合两种传感器的数据,提高姿态和运动状态的估计精度。
1. 姿态估计:磁力计可以提供绝对方向信息,但容易受到外部磁场的干扰。
加速度计可以提供相对方向信息,但容易受到重力的影响。
因此,磁力计和加速度计融合算法可以通过结合两者的数据,既考虑绝对方向又考虑相对方向,从而提高姿态估计的精度。
2. 运动状态估计:磁力计和加速度计融合算法可以通过结合两者的数据,同时考虑线性加速度和角速度,从而提高运动状态的估计精度。
通过分析加速度计的数据,可以估计物体的线性加速度和角速度。
通过分析磁力计的数据,可以估计物体的旋转角度。
综合考虑两者的数据,可以更准确地估计物体的速度、位置和姿态。
三、磁力计加速度计融合算法的应用磁力计加速度计融合算法广泛应用于姿态估计、导航、运动跟踪等领域。
1. 姿态估计:磁力计加速度计融合算法可以用于姿态估计,如飞行器、机器人和虚拟现实设备的姿态估计。
通过融合磁力计和加速度计的数据,可以更准确地估计物体的姿态,提高控制的精度和稳定性。
2. 导航:磁力计加速度计融合算法可以用于室内导航和定位。
- 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)。
成为广泛使用的滤波模式,但线性化的过程不可避免产生处理
误差,如果局部线性的假设不成立时,这种非线性近似误差可 能会造成滤波器发散。为了解决这个问题,国外学者提出了采 样卡尔曼滤波(uKF)理论,并在多种试验中证明了它的优越性。
图1地磁辅助惯性导航方案
Fig.1 Scheme of geomagnetic aid INS
将扩展卡尔曼滤波中统计特性传播方式的线性化近似用U变换方法替换,就得到uKF滤波器。其具体步骤如下: 1)初始化状态向量及其方差
K=研K】,只=取(K—K)(K—K)1】
(5)
2)时间更新
①给出sigma点和相应的加权因子:
对于七∈{0,1,…,∞},计算sigma点:
石,t=[】‘j气+√(力+后)忍】≮一√(门+Ji})丑】
在u变换算法中,最重要的是确定sigma点采样策略,也就是确定使用Sigma点的个数、位置以及相应权值。Sigma点 的选择应确保其抓住输入变量的最重要的特征。
2.2 UKF设计 Julier和Uhlm锄n根据逼近状态的条件分布比逼近它的非线性函数更容易的思想,提出了基于UT的采样卡尔曼滤波方
法,也就是在卡尔曼滤波算法中,对于一步预测方程,使用uT变换来处理均值和协方差的非线性传递,就成为uKF算法。
目前,非常规潜艇一般采用以惯性导航为核心的导航系统,但惯性导航系统的误差随时间积累,如不定期修正,就会限 制潜艇的应用。虽可采用GPs、无线电和天文导航等信息对惯性导航系统进行校正,但这些方法增加了潜艇被发现的危 险性。随着无源导航技术的发展,地磁辅助惯性导航技术的出现为实现这一目标提供了新的技术途径。由于地磁场在全 球范围内各点值都不相同,理论上和经纬度是一一对应的,同时某些地区磁场特征也很明显,因此地磁辅助导航成为目 前研究的一个热点。利用地磁导航结果对惯导系统进行定时重调,就可以实现潜艇在水下长期隐蔽的目的。地磁导航技 术在获取地磁信息时对外无能量辐射,具有良好的隐蔽性,因此可以很好地辅助潜艇惯导系统实现长期高精度水下定位。
基于非线性状态方程的更新。仿真表明,特别是当系统非线性较大时,采样卡尔曼器性能明显优于扩展卡尔曼
滤波器。因此,从某种程度上说,采样卡尔曼滤波可以替代扩展卡尔曼滤波在地磁辅助导航系统中使用。
关键词:惯性导航;地磁导航;卡尔曼滤波;匹配算法
中图分类号:u666.1
文献标识码:A
Data fusing algo“thm in geomagnetic aided INS
收稿日期:2006—09—26;修回日期:2006—12—20 基金项目:“十一五”武器装备预研项目 作者简介:杨功流(1967一),男,研究员,主要从事惯性导航系统、综合导航系统及无源辅助导航研究。
万方数据
2007年2月
中国惯性技术学报
48
航。根据对惯性导航系统、地磁模块的分析,组合导航系统的总体方案如图l所示。
uKF的基础是u变换。u变换是指在满足某些约束方程(约束方程与状态变量统计特性相关)的条件下,给出一组加 权sigma点(采样点),并对每一个sigma点进行非线性变换,以变换点的均值和方差来逼近状态变量非线性变换的均值和 方差。通过使用UT方法,状态向量的分布得到近似,而不是对采用类似于EKF方法对状态方程和测量方程进行近似。
系统的量测方程为:
z(,)=【互z2】1=椴O)+y(,)
(12)
其中,Z、z'分别为量测到的系统经度误差、纬度误差:在此是由匹配位置信息与惯导位置信息之差所确定:日为2×13 维观测矩阵,Ⅳ(1,4)=l,Ⅳ(2,5)=1,其余元素都等于零;y(,)为量测噪声矩阵。有了状态方程和观测方程,不需要 线性化观测方程,利用上面所述的UKF方法,就可得到导航状态的最优估计。
万方数据
2007年2月
中国惯性技术学报
仿真运动为匀速直线运动,每20 min利用匹
配位置信息滤波一次,匹配位置信息由相关匹配
算法得到,地磁匹配精度受磁探测器误差、地磁 0 u
0 V
图误差以及匹配算法误差的影响。每隔3h对惯导 求 蹬
3仿真结果分析 下面用仿真对上一节设计的UKF进行验证。 仿真条件如下·陀螺常值漂移:气=%=%=0.01(。)/}l;陀螺随机漂移:三个陀螺均取盯,20.001(。)/Il、相关时
间为l h的一阶马尔可夫过程;系统的初始方差阵为对角矩阵,其值为状态可能达到的误差平方;系统的噪声方差阵为:
Q=diag{2成群,2岛t,2屈一},其相关时间展=辟=屈=l/3600 s;测量噪声方差阵为:胄=diag{(20m)2,(20m)2}。
filtering baLsed on the nonlinear state space equation was realized by designing a few sigma poims锄d calculatirlg nle mmsfomation of these sigma poims Via non-lmear function.The simulation shows廿lat it js more precise锄d more
状态均值周围的分布,通常取一个很小的正值;七是尺度参数,对于状态估计通常设定为O,对于系统参数估计则设为3一,z,
,l为系统状态维数;(√("+旯)匕),是矩阵平方根的第f列。矩阵平方根通过下三角choles时分解等算法获得。
②通过非线性变换,得到变换后采样向量点
鬈=F(置)用惯导无阻尼误差方程,并将系统的陀螺漂移扩充为状态作为系统的状态方程。其状态变量X为13维列矢量,
x=(口∥,6五6≯6■6■占。占。,占。占。£,,占。)1
(11)
其中,口是惯性平台水平误差角;y是航向误差角;6旯、6矽是经度、纬度误差;6圪、6圪为东向、北向速度误差;
%、‰、气为东向、北向、方位陀螺的常值漂移;%、~、%为东向、北向、方位陀螺的随机漂移。
测量一步预测:
%2日[砧】,磊2互硝zo,Pw 2互哆(乇一彳)(zI—互)1+胄”, %=∑2qH (死一K).(z&—磊^)1一,也=%巧1,
X:=x:+K kqk—Z:、,P:=P;一KtPwK:
㈧
2.3惯性/地磁组合导航系统的UKF设计
系统的状态方程为:
XO)=,(f)·X(f)+GO)·∥O)
2地磁辅助惯性导航系统的融合算法设计 采样卡尔曼滤波器也是卡尔曼滤波器的扩展,但不同于EKF,它不对系统方程进行线性化。uKF依赖于uT方法,这
是一种进行非线性转换求任意变量统计量(均值与容差)的新方法。其具有以下几个特点:①对非线性函数的概率密度 分布进行近似,而不是对非线性函数进行近似,因此不需要知道非线性函数的显式表达式;②不需要求导计算Jacobiall矩 阵,可以处理非可导的非线性函数;③可处理非加性噪声情况以及离散系统,扩展了应用范围;④由于采用确定性采样 策略,而非粒子滤波器的随机采样,避免了粒子衰退问题;⑤算量与EKF同阶次。
1 地磁辅助惯性导航系统的基本原理
地磁导航是指利用地磁图特征与当地即时测量磁特征信息进行匹配导航的过程。地磁场为矢量场,在地球近地空间 内任意一点的磁场矢量都不同于其它地点的矢量,且与该点的经纬度存在对应关系。因此,理论上只要精确确定该地点 的地磁场矢量即可实现全球定位。
惯性/地磁匹配组合导航是由惯性导航系统、地磁传感器、地磁图以及解算计算机等组成,其本质就是在载体运动过 程中,传感器获得地磁数据,同时根据惯性导航系统所输出的位置信息,从数字化的地磁图中某一区域内查找相应的数 据信息,利用匹配算法进行匹配以获得最佳匹配位置,并利用位置信息校正惯性导航系统。也就是说,将地磁图匹配结 果信息作为卡尔曼滤波的观测量对组合导航系统进行滤波,这样就可对惯性导航系统的误差进行抑制从而实现高精度导
pe面rmance convenient in computing,aIld the
of unscentcd Kalman filter is superior to mat of extended one,so it can
be used in Geomagnetic ajded INS.
Key words:inenial navigation System;geomagnctic nav追ation Systcm;Kalm柚filtering;matching algori廿1m
Abstract:The theory of tlle geomagnetic aided inertial navigation systcm(INS)was蚰alyzed.The unscentcd KaIm觚 filtcring waS introduced a11d applied into me illtcgrated system.In unscented Kalman filterin岛t11e updating of tIle
2.1 U变换简介
设已知竹维随机变量x的均值x和方差匕,x经过非线性变换y=F(x),到r维随机变量I,,其均值y和方差 Pw估计如下:
①计算2门+1个采样点
l‰=x
{石=x+(√(行+兄),:)f f=l,2,…,”
(1)
I石=x一(√(胛+五),:)f一。 f=刀+1,…,2刀
上式构成一个由2九+1个向量石(称为仃点)组成的矩阵Z,其中旯=口2∽+七)一”是一个尺度参数;口确定采样点在
(2)
③计算均值和协方差估计
一
2月
2月
一
一一
y=∑卵鬈; 匕=∑研(髟一y)(鬈一y)1
(3)
,20
J=0
式中,矿、硝分别是均值和方差的权重;硝=兄/0+五),瞄=旯/0+旯)+(1一口2+∥),硝=娣=1/[2(门+允)], f=l'2’…,2门,参数∥包含x分布的先验信息(对于高斯分布,∥取2最合适),如不采用比例修正,则可取矿=衅=哆。