机载惯性/卫星组合导航系统的自适应滤波方法与滤波器与制造工艺

本发明涉及导航技术领域，特别是涉及一种机载惯性/卫星组合导航系统的自适应滤波方法与滤波器。

背景技术：
INS/GPS(InertialNavigationSyste/GlobalPositioningSystem，惯性/卫星组合导航系统)是一种精确的载体导航和运动参数测量系统，具有可靠性好、精度高、输出参数种类多等优点，在航空领域得到了广泛的应用。常用的INS与GPS数据融合算法是Kalman(卡尔曼)滤波器，它可以在已知系统噪声统计特性的情况下实现系统状态的最优估计。但是大量工程实践表明，在机载使用环境中，INS中的惯性传感器易受到温度、电磁、振动等飞行环境影响，导致传感器噪声特性发生未知的实时改变；另外由于GPS接收机和天线测量条件的改变等原因，GPS的测量噪声也会发生未知变化。这些问题会导致常规的Kalman滤波器估计精度下降，严重时甚至导致滤波发散，因此如何有效地自适应估计系统的状态噪声和量测噪声统计特性，保证滤波器估计精度，具有重要的工程意义。自适应估计滤波在滤波计算过程中，不断地对未知的模型状态噪声和量测噪声的统计参数进行估计与修正，实现对滤波器发散的抑制作用。申请号201010552746.5，发明名称“一种基于GPS/INS组合导航系统不同测量特性的自适应滤波方法”公开了一种利用双系统测量互差序列，估计量测噪声协方差的自适应滤波方法，实现了对GPS噪声的实时跟踪。申请号201110385191.4，发明名称“一种基于观测噪声方差阵估计的自适应滤波方法”公开了一种利用互差序列动态估计量测噪声特性的方法，同时构造比例因子实现了自适应调节滤波增益。但是可以看出，这些方法均没有对系统状态噪声进行自适应估计。在外界环境干扰导致系统内部传感器性能变化或失效的情况下，系统状态噪声会发生明显变化，成为影响滤波精度的主要因素，必须对其进行处理。

技术实现要素：
本发明的目的在于克服已有滤波方法的不足，提出一种机载惯性/卫星组合导航系统的自适应滤波方法与滤波器，以提高机载INS/GPS系统的导航精度。为此，采用的方案如下。一种机载惯性/卫星组合导航系统的自适应卡尔曼滤波方法，包括下列步骤：建立惯性导航系统的误差模型，作为卡尔曼滤波器的状态方程，将惯性导航系统与卫星定位系统的位置差与速度差作为量测量，建立卡尔曼滤波器的量测方程，状态方程与量测方程分别如下：其中，状态向量为Xk，量测向量为Zk，状态矩阵为Φk,k-1，量测矩阵为Hk，Wk-1、Vk分别为零均值的状态白噪声和量测白噪声，噪声方差阵分别为Qk-1和Rk；根据系统特性以及惯性导航系统初始的位置、速度和姿态信息，初始化状态向量X0、量测向量Z0、状态矩阵Φk,k-1、量测矩阵Hk、状态估计误差方差阵P0、量测噪声方差阵Rk与状态噪声方差阵Qk；利用惯性测量单元测量到的相对惯性空间的角速度和加速度信息，进行捷联解算，得到惯性导航系统当前时刻的位置、速度和姿态值；利用惯性导航系统的导航数据与卫星定位系统的测量数据，进行卡尔曼滤波计算，利用滤波估计值校正惯性导航系统的导航数据，同时更新Φk,k-1和Hk；计算量测残差vk和状态估计残差ΔXk，进而估计更新量测噪声方差阵Rk与状态噪声方差阵Qk，得到估计值设定运算上限M，判断滤波次数是否达到，若未达到，返回捷联解算的步骤，否则结束滤波。一种机载惯性/卫星组合导航系统的自适应卡尔曼滤波器，包括：方程建立单元，用于建立惯性导航系统的误差模型，作为卡尔曼滤波器的状态方程，将惯性导航系统与卫星定位系统的位置差与速度差作为量测量，建立卡尔曼滤波器的量测方程，状态方程与量测方程分别如下：其中，状态向量为Xk，量测向量为Zk，状态矩阵为Φk,k-1，量测矩阵为Hk，Wk-1、Vk分别为零均值的状态白噪声和量测白噪声，噪声方差阵分别为Qk-1和Rk；参数初始化单元，用于根据系统特性以及惯性导航系统初始的位置、速度和姿态信息，初始化状态向量X0、量测向量Z0、状态矩阵Φk,k-1、量测矩阵Hk、状态估计误差方差阵P0、量测噪声方差阵Rk与状态噪声方差阵Qk；惯性数据求取单元，用于利用惯性测量单元测量到的相对惯性空间的角速度和加速度信息，进行捷联解算，得到惯性导航系统当前时刻的位置、...