基于修正似然滤波的无人机编队相对导航方法
2023-03-31苏炳志王磊张红伟汪海涵石璐璐
苏炳志,王磊,张红伟,汪海涵,石璐璐
(1.中国直升机设计研究所,天津 300300;2.陆军装备部驻天津地区航空军代室,天津 300384)
无人机采用编队形式开展协同侦查、联合攻击和战场毁伤评估等任务,可以有效提高作战效率,是未来体系化作战的主要模式[1]。高精度、高可靠的相对导航系统是无人机编队协同完成既定任务的关键技术。基于INS/GPS 的相对导航方式是初期最常用的一种导航机制,然而从外界接收到的GPS 信号存在极易受到故意干扰和电子欺骗的缺陷[2-3]。因此,学者们研究了一种不依赖于外部传感器的相对导航系统-视觉辅助惯性的相对导航[4]。基于INS/Vision 的相对导航精度很大程度上取决于视觉传感器和惯性传感器数据融合方法。
由于形式简单和易于实现,扩展卡尔曼滤波(extended Kalman filtering, EKF)是相对导航滤波器中最常用的一种滤波算法[5]。由于只利用一阶泰勒级数对非线性系统进行线性化,EKF 在强非线性系统中表现出不令人满意的性能甚至使滤波器发散[6]。学者们使用采样方法近似非线性分布解决非线性问题的思维,提出一系列确定性采样非线性高斯滤波。文献[7-8]从直观的统计信息转换视角开发了基于无迹变换的卡尔曼滤波(unscented Kalman filtering, UKF)。然而,在处理高维系统时,UKF 中存在负权重的Sigma 点,致使状态估计协方差出现非正定,这将影响滤波器的稳定性。Arasaratnam等将笛卡儿坐标系下的积分转换成球面和径向积分推导了基于三阶球面-径向容积准则的容积卡尔曼滤波(cubature Kalman filtering, CKF)[9-10]。与UKF不同,CKF 的权重全为正值,因此,其具有更好的数值稳定性。……
