GPSINS组合导航非线性滤波算法研究的中期报告.docx

GPSINS组合导航非线性滤波算法研究的中期报告
一、研究背景和意义
随着卫星导航技术、惯性传感器技术的发展，GPS（全球定位系统）和INS（惯性导航系统）技术在航空、航天、军事、海洋等领域得到广泛应用。其中，GPS具有测量精度高、覆盖范围广、无需人工干预等特点，但受天气、遮挡等因素影响，其精度容易受到影响。而INS具有高精度、短时间内可测量运动量等特点，但其测量结果会随时间累积误差而逐渐增大，需要通过GPS进行有效校正。
因此，GPS/INS组合导航技术应运而生。该技术将GPS和INS的测量结果进行融合，既利用了GPS的长期稳定性，又克服了INS测量误差累积的缺陷，从而得到更为准确的位置和速度信息。在航空、航天、军事等领域，GPS/INS组合导航技术已成为必不可少的技术手段，对于提高导航精度、保证航行安全等方面具有重要意义。
二、研究内容和思路
为了进一步优化GPS/INS组合导航算法，本文深入研究了非线性滤波算法在GPS/INS组合导航中的应用。具体内容如下：
1.文献综述：对GPS/INS组合导航算法相关研究进行了梳理，掌握了常用的滤波算法原理和优缺点，为后续研究提供了理论基础。
2.基于卡尔曼滤波的GPS/INS组合导航算法：基于卡尔曼滤波算法对GPS/INS组合导航进行了优化，通过对INS的状态量进行状态估计和校正，实现了INS误差的补偿。同时，针对GPS数据的不确定性，利用基于卡尔曼滤波的思想对测量数据进行加权，提高了位置和速度的估计精度。
3.基于粒子滤波的GPS/INS组合导航算法：基于粒子滤波算法对GPS/INS组合导航进行了优化，相比卡尔曼滤波算法，粒子滤波更适用于非线性模型，对于解决含有非高斯噪声的问题具有优势。通过设置一定数量的粒子，对INS状态量进行估计和校正，实现了更为准确的位置和速度估计，并能够有效处理GPS误差存在时的情况。
4.实验验证：通过对比不同滤波算法在GPS/INS组合导航中的应用效果，验证了非线性滤波算法对提高导航精度的重要性，并探究了粒子滤波算法的精度和计算复杂度的关系，为后续研究提供了启示。
三、研究展望
当前，随着GPS/INS组合导航技术需求的增加，非线性滤波算法研究成为了当前研究热点之一。未来，本文将继续深入探究非线性滤波算法在GPS/INS组合导航中的应用，进一步发掘非线性滤波算法的优越性和局限性，并通过实验验证，不断优化算法以提高导航精度和计算效率。