一种长时间导航系统全参数精度评估方法
【技术领域】
[0001] 本发明属于惯性技术领域，具体涉及一种长时间导航系统全参数精度评估方法。
【背景技术】
[0002] P0S(PositionOrientationSystem)系统应用于现代测绘领域，能够实现高 精度的位置、姿态测量。高精度后处理技术是P0S系统的核也技术，主要是采用R-T-S (Rauch-化ng-Striebel)最优固定区间平滑处理方法。经过后处理，P0S的定位精度可达 0.05m~0.3m，航向和水平姿态测量精度分别达到了 0.008° (RMS)和0.005° (RMS)。
[0003] 现阶段，局部基准系统为了提供给导弹惯导准确的位置、速度、姿态和方位信息， 本身系统的输出信息需要达到精度要求。为了考核局部基准系统的各参数精度需要额外准 备一套高精度的基准惯导系统。
[0004] 因此，亟需研制一种长时间导航系统全参数精度评估方法，利用存储的惯导系统 信息及卫星数据，通过处理得到高精度的位置、方位及姿态信息，作为精度评估的基准。
【发明内容】
[0005] 本发明要解决的技术问题是经过惯导系统与卫星的组合处理，实现对长时间导航 系统的全参数进行精度评估的目的。
[0006] 为了实现该一目的，本发明采取的技术方案是：
[0007] -种长时间导航系统全参数精度评估方法，利用局部基准系统航行实验的原始数 据及卫星信息，采用基于RTS平滑的离线处理方法，通过对存储的惯导数据及卫星数据的 处理，得到基准系统高精度的位置、姿态及方位信息，作为基准系统的全参数精度评估的基 准；
[0008] 具体包括W下两个步骤W获取位置、速度及航姿数据：
[0009] (1)利用惯性/卫星数据信息进行前向的闭环卡尔曼滤波过程；
[0010] 前向卡尔曼滤波算法采取Gl^s与惯性导航系统位置匹配模式，采用闭环校正方式 进行；
[0011] (1.1)确定算法模型和状态误差量
[0012] 算法采用18阶导航误差模型，选取18个状态误差量为：
[001 引Z=[AIMMAKAKAK巫。巫e 毎《每巧
[0014]其中：
[001引AL、Ah、A入；惯导的缔度、经度、局度兵差；
[001引AV。、AVu、AV。；惯导北向、天向、东向速度误差；
[0017] 〇。、〇u、史。：惯导北向、天向、东向失准角误差；
[001引 ▽.、Vy、Vz:惯导X、Y、Z轴加速度计零偏；
[0019]eX、ey、eZ:惯导X、Y、Z轴巧螺漂移；
[0020] KK庐.惯导与GPS间杆臂误差。 、、?
[0021] (1. 2)确定系统状态方程
[0022]系统状态方程为：乂 =仍T+fF [002引其中：
[0030]
[003。 其中；化、化、Ve表示惯导系统的北向、天向和东向速度；L表示缔度，h表示高度，Rm表示地球的子午圈半径，咕表示地球的卯酉圈半径，。表示地球的自转角速度，cr表示 惯导系统从载体坐标系到导航坐标系的姿态转换矩阵，f。、fu、f。表示惯导系统加速度计敏 感到的比力在导航坐标系内的北向、天向和东向表示值；
[0032] (1.3)确定量测方程
[003引 量测方程为；Z=版+V
[0034] 其中；Z为量测量，即惯导系统的位置信息与GPS位置信息的差值，并考虑两者间 杆臂误差：Z=[kLGPS-Rnh-hGPS-RuA-入GPS-Re]T;hGPS、AGPS、lGPS分别表示GPS系统输出的高 度信息、经度信息和缔度信息；R"、Ru、R。分别表示惯导系统的位置信息与GI^S位置信息之间 的北向杆臂误差、天向杆臂误差和东向杆臂误差；
[00对 H为量测阵，
[0036] (1. 4)确定卡尔曼滤波方程
[0037] 状态一步预测：《^=苗_,;__1好_1，其中：义^^表示由1^-1时刻到1^时刻的状态一 步预测值，^己表示k-1时刻的状态估计值，〇k,k_i表示离散化的卡尔曼滤波状态转移矩 阵；
[003引一步预测均方误差阵
I其中：常_,表示由k-1时刻到k 时刻的一步预测均方误差阵，i记表示k-1时刻的估计均方误差阵，Qk表示离散化后的系统 噪声矩阵；
[003引滤波增益矩阵
其中：表示k时刻的滤波增 益阵，Hk表示k时刻的系统量测阵，Rk表示离散化后的量测噪声矩阵；
[0040] 状态估计：
其中：If表示k时刻的状态估计 值，Zk表示系统观测量矩阵；
[00川估计均方误差阵
其中：表 示k时刻的估计均方误差阵，。表示未离散化的系统状态转移矩阵对应元素值，I表示对应 维数的单位矩阵，T。表示惯导系统导航周期，Tf表示滤波周期；
[0042] (2)在步骤（1)卡尔曼滤波的基础上，进行反向最优固定区间平滑；
[0043] 设整个导航时间区间为[0闲，t表示此时间间隔中的任一时刻，0《t《N，固定 区间平滑估值表示为
[0044] (2. 1)首先进行0 -N的正向Kalman滤波，同时存储滤波估计出的状态转移矩 阵。k,k_i、状态一步预测、一步预测均方误差阵巧;>状态估计、估计均方误差阵 巧. 9
[0045] (2. 2)滤波结束后，将正向滤波最后时刻N的估计值作为反向R-T-S平滑起始时刻 的初始值，令k=N，
进行N- 0的R-T-S平滑过程，其中表示N 时刻的平滑估计值，表示N时刻的卡尔曼滤波状态估计值，i黄W表示N时刻的平滑估计 均方误差阵，表示k时刻的卡尔曼滤波估计均方误差阵，方程如下：
[0046] 平滑增益阵：
其中，表示k时刻的平滑增益阵， 〇kAk表示离散化的卡尔曼滤波状态转移矩阵，巧"+U表示由k时刻到k+1时刻的一步预测 均方误差阵；
[0047] 平滑的状态估计 其中：义表示第k时刻的 k! N 平滑估计量，义fww表示第k+1时刻的平滑估计量，！fw表示由k时刻到k+1时刻的状态一 步预测值；
[0048] 平滑的估计均方误差阵
其中：表示 k时刻的平滑估计均方误差阵，巧表示k+1时刻的平滑估计均方误差阵，if+ij表示由k时刻到k+1时刻的一步预测均方误差阵，i互_v表示k时刻的平滑增益阵；
[0049] 从公式可见，第k时刻的平滑估计量Iww是在正向Kalman滤波估计量义f的基础 上线性补偿了一个修正量得到的，该修正量是第k+1时刻的平滑估计量与正向一步 预测估计量的差值；
[0050] 由上面的分析过程得到，k时刻的R-T-S平滑估计量是k时刻的正向Kalman滤波 估计量和k+1时刻的平滑估计量的线性融合，k+1时刻的平滑估计量利用了全局数据。
[0051] 进一步的，如上所述的一种长时间导航系统全参数精度评估方法，其中：惯导系统 导航周期T"=0.05s。
[0052] 进一步的，如上所述的一种长时间导航系统全参数精度评估方法，其中：滤波周期 Tf二1S。
[0053] 由上面的分析过程可知，k时刻的R-T-S平滑估计量是k时刻的正向Kalman滤波 估计量和k+1时刻的平滑估计量的线性融合，而k+1时刻的平滑估计量有效利用了全局数 据，所W对Kalman滤波进行R-T-S平滑比单纯采用Kalman滤波获得的导航精度高。
[0054] 本发明的有益效果在于；提出了一种长时间导航系统的全参数评估方法，通过对 存储的惯导数据及卫星数据的处理，得到基准系统高精度的位置、姿态及方位信息，可作为 基准系统的全参数精度评估的基准，其中方位精度达到0.25'，姿态精度达到0.025'。经 试验验证发现，此技术能够满足局部基准系统精度评价需求，具有很高的实用价值。
【附图说明】
[00巧]图1是本发明算法实现流程图；
[0056] 图2是后处理位置精度曲线；
[0057]图3是后处理速度精度曲线；
[005引图4是后处理姿态精度曲线；
[0059]图5是后处理航向精度曲线。
【具体实施方式】
[0060] 下面结合附图和具体实施例对本发明技术方案进行详细说明。
[0061] 一种长时间导航系统全参数精度评估方法，利用局部基准系统航行实验的原始数 据及卫星信息，采用基于RTS平滑的离线处理方法，通过对存储的惯导数据及卫星数据的 处理，得到基准系统高精度的位置、姿态及方位信息，作为基准系统的全参数精度评估的基 准；
[0062] 本发明算法实现流程如图1所示，具体包括W下两个步骤W获取位置、速度及航 姿数据：
[0063] (1)利用惯性/卫星数据信息进行前向的闭环卡尔曼滤波过程；
[0064] 前向卡尔曼滤波算法采取GI^S与惯性导航系统位置匹配模式，采用闭环校正方式 进行；
[0065] (1. 1)确定算法模型和状态误差量
[0066] 算法采用18阶导航误差模型，选取18个状态误差量为：
[0067] X二[AL M Ai At; AK, (I)"少"《作的
[0068]其中：
[006引 AL、Ah、A入；惯导的缔度、经度、局度兵差；
[0070] AV。、AVu、AV。；惯导北向、天向、东向速度误差；
[ocm]〇。、〇u、史。：惯导北向、天向、东向失准角误差；
[007引 V.、Vy、Vz:惯导X、Y、Z轴加速度计零偏；
[007引e X、e y、e Z :惯导X、Y、Z轴巧螺漂移；
[0074] K:'、W.::、分'：惯导与GPS间杆臂误差。
[00巧](1. 2)确定系统状态方程
[0076] 系统状态方程为：义=促：+W
[0077]其中：
[0084]
[00财其中；化、化、Ve表示惯导系统的北向、天向和东向速度；L表示缔度，h表示高度，Rm表示地球的子午圈半径，咕表示地球的卯酉圈半径，。表示地球的自转角速度，G表示 惯导系统从载体坐标系到导航坐标系的姿态转换矩阵，f。、fu、f。表示惯导系统加速度计敏 感到的比力在导航坐标系内的北向、天向和东向表示值；
[0086] (1.3)确定量测方程
[0087] 量测方程为；Z=版+V
[008引其中；Z为量测量，即