APP下载

一种新的鲁棒PM滤波及其在组合导航中的应用*

2021-11-18张子剑崔利军

航天控制 2021年2期
关键词:检测模型系统

梁 浩 张子剑 贾 睿 崔利军

1.北京宇航系统工程研究所,北京 100076 2.太原卫星发射中心,山西太原 030027

0 引言

星光导航系统(CNS)具有精度高、自主隐蔽的特点,能够为载体提供高精度姿态信息[1];合成孔径雷达(Synthetic Aperture Radar,SAR)是一种高精度微波成像雷达,它具有全天时、全天候、远距离工作的优点[2];CNS、SAR和捷联惯导(SINS)组成的CNS/SAR/SINS组合导航系统是一种性能优异的无依托自主导航方式[3-4]。

Kalman滤波限制条件比较苛刻,要求系统模型精确已知,然而在实际应用中,受各种条件的限制,很难获得噪声准确的先验统计特性;另一方面,系统的噪声特性也是不稳定的,噪声特性因内部器件特性变化或外部力学冲击等环境因素,可能产生不可预知的变化。

为了处理这种存在偏差的系统,鲁棒滤波被研究并发展应用起来,M估计滤波和H∞滤波是2种最典型的鲁棒滤波,被广泛用来处理高斯分布受到污染或干扰的系统。M估计滤波对应用系统的噪声特性变化较迟钝,能够解决系统噪声和测量噪声统计特性不确定的问题[5-6],H∞估计滤波将模型误差看作未知但有界的噪声,使噪声污染情况下的估计误差最小[7],但当系统出现尖锐的野值时,M估计滤波和H∞滤波均会出现较大误差以至发散。

本文针对组合导航系统中出现多种尖锐野值的情况,引入GM估计野值检测抑制方法,构建了鲁棒PM估计滤波,应用于高空飞行器CNS/SAR/SINS组合导航中,并进行了仿真分析。

1 基于M估计的线性滤波

1964年,Huber经过严格的推导[5],提出了广义极大似然估计,即M估计鲁棒滤波。……

登录APP查看全文

猜你喜欢

检测模型系统
一半模型
Smartflower POP 一体式光伏系统
WJ-700无人机系统
ZC系列无人机遥感系统
重尾非线性自回归模型自加权M-估计的渐近分布
连通与提升系统的最后一块拼图 Audiolab 傲立 M-DAC mini
3D打印中的模型分割与打包
小波变换在PCB缺陷检测中的应用