传统组合导航中的实用Kalman滤波技术评述
2020-03-19严恭敏
导航定位与授时 2020年2期
关键词:系统
严恭敏,邓 瑀
(西北工业大学自动化学院,西安 710072)
0 引言
估计理论是概率论与数理统计的一个分支,它是根据受扰动的观测数据来提取系统某些参数或状态的一种数学方法。1795年,高斯提出了最小二乘法;1912年,费歇尔(R.A.Fisher)提出了极大似然估计法,从概率密度的角度考虑估计问题;1940年,维纳提出了在频域中设计统计最优滤波器的方法,称为维纳滤波,但它只能处理平稳随机过程问题且滤波器设计复杂,应用受到很大限制;1960年,卡尔曼基于状态方程描述提出了一种最优递推滤波方法,称为Kalman滤波,它既适用于平稳随机过程,也适用于非平稳过程,一经提出便得到了广泛应用。在Kalman滤波器出现以后,针对随机动态系统的估计理论的发展基本上都是以它的框架为基础的一些扩展和改进[1]。
Kalman滤波器最早和最成功的应用实例便是在组合导航领域。惯性导航系统(Inertial Navigation System,INS)是最重要的一种导航方式,它能提供姿态、方位、速度和位置,甚至还包括加速度和角速率等导航信息,可用于运载体的正确操纵和控制。惯导具有自主性强、动态性能好、导航信息全面且输出频率高等优点,但其误差随时间不断累积,长期精度不高。相比而言,全球导航卫星系统(Global Navigation Satellite System,GNSS)的优点是精度高且误差不随时间增大,缺点是导航信息不够全面、信号容易受到干扰、在室内等环境下接收不到卫星信号而无法使用。惯导和卫导之间具有很强的互补性,惯导/卫导组合导航提高了系统整体的精度和可靠性,被公认为是最佳的组合导航方案[2]。……
登录APP查看全文
