航空用多传感器组合导航信息融合的研究

　　0　引　　言

　　捷联惯性导航(SINS)能提供多种导航信息,在民用导航领域和大地测量领域中得到广泛使用;GPS导航系统在全球范围内提供实时三维定位、测速服务;由于SINS误差随时间积累导致其精度随着时间的增加而逐渐降低,GPS具有定位精度高且不随时间变化的优点, SINS/GPS组合导航系统成为一种较为理想的组合导航系统[1]。SINS/GPS组合导航系统可以稳定地输出很高精度的水平方向位置和速度信息,但在长时间工作时其高度通道速度和位置、三维姿态信息误差较大;GPS导航系统是一种他备式无线电导航系统,当GPS信号受遮挡时,GPS导航系统不能正常工作,SINS/GPS组合导航系统可能失去所拥有的互补特性,增加其他导航信息组成多传感器组合导航系统成为一个研究热点。

　　气压高度计在载体做机动飞行时,在大范围内是稳定的,而在短时间内将有较大的延迟误差[2]。利用高度计的这个特点可以克服SISN/GPS组合导航系统中高度通道位置和速度测量不准及发散问题。单GPS接收天线、高度计都无法给出载体的飞行姿态,双GPS天线或三GPS天线测姿的计算量非常大,且一旦GPS失锁就无法进行GPS测姿。三维磁罗盘具有可全天候长时间稳定测姿,短时间内动态干扰较大的特点,采用SINS/三维磁罗盘组合[3]在没有显著增加计算量的基础上能保证飞行姿态的长时间稳定。

　　1　信息融合算法描述

　　1.1　联邦kalman滤波算法

　　联邦kalman滤波算法由若干个子滤波器和1个主滤波器组成,具有两阶段数据处理过程的分散化滤波方法,容错性能好,估计精度高,是目前导航领域最常用的信息融合算法。其算法描述为[4]:

　　式中:下标i、m分别表示子滤波器、总滤波器,为滤波残差,βi(i =1,…,N)为信息分配系数,满足信息守恒原理:β1+β2+…+βN=1。联邦kalman滤波器要求系统动态模型准确且噪声的统计特性为已知的不相关白噪声,为了保证滤波结果的无偏性和滤波的稳定性,必须选取合适的滤波初值及其方差矩阵,否则可能极大地影响滤波的精度,甚至导致滤波发散。

　　1.2　Suga-Husa自适应滤波算法

　　以时变噪声统计特性估计算法为核心的Suga-Husa自适应滤波算法[5],在系统滤波的同时能够通过时变噪声的系统估计值,实时估计和修正系统噪声和量测噪声水平R和Q,将其用于联邦kalman滤波算法可以保证滤波结果的无偏性和滤波的稳定性,达到抑制滤波发散、提高滤波精度获得最优或次优的估计结果。其算法描述为:

　　1.3　改进型自适应联邦kalman滤波器设计

　　从式(3)和式(5)可以看出,Q和R都依赖于滤波残差εi(k),实际中由于载体动态误差、初始Q取值不精确等而导致误差积累和滤波结果突变引起的增大,不能正确估计出Q和R,对此作出如下改进: