基于INS的组合导航系统建模及滤波技术的综述报告.docx

基于INS的组合导航系统建模及滤波技术的综述报告
随着航空航天技术的发展，组合导航系统已经成为了现代导航系统中最为重要的一部分。组合导航系统可以通过将多个导航传感器的数据进行融合，在提高精度和可靠性的同时实现无缝自主导航。其中，惯性导航系统（INS）是组合导航系统中最为重要的节点之一。INS通过测量加速度计和陀螺，可以获得飞行器的状态信息，从而提供高精度的位置、速度和姿态信息。
本文主要从两个方面探讨了基于INS的组合导航系统建模及滤波技术的综述。第一部分主要介绍了INS的原理以及INS建模中常用的误差模型。第二部分主要介绍了组合导航系统中常用的滤波技术。
一、INS建模
INS是一种用于实现高精度位置测量的自主导航系统。INS系统通过测量加速度计和陀螺仪来获得飞行器的状态信息，并通过计算和积分导航方程式来获得飞行器的位置、速度和姿态信息。
INS建模主要包括两个方面：状态方程和观测方程。状态方程是描述飞行器状态如何随时间变化的数学公式，而观测方程则是描述测量数据如何反映出飞行器状态的数学公式。
在建模INS系统时，一般需要考虑系统实际运行中所出现的噪声和误差。INS系统中常见的误差模型包括随机游走模型、分段线性模型、马尔科夫模型等。
其中，随机游走模型是目前应用最为广泛的误差模型之一。随机游走模型通过将飞行状态的误差视作随机过程，在其随机变化的过程中反映飞行器状态的漂移情况。随机游走模型可以描述INS传感器的愈合误差、陀螺漂移误差和加速度计虚偏误差等误差源。
二、滤波技术
组合导航系统中的多传感器数据的融合需要通过滤波技术来进行处理。组合导航系统中常用的滤波技术包括卡尔曼滤波器、扩展卡尔曼滤波器、无迹卡尔曼滤波器等。
卡尔曼滤波器是最早应用于组合导航系统中的滤波技术。卡尔曼滤波器通过测量数据和状态模型对状态估计值进行校正。其优点在于具有较小的计算量和较快的收敛速度。
扩展卡尔曼滤波器（EKF）则是对卡尔曼滤波器的扩展，通过泰勒级数展开对非线性状态方程和非线性观测方程进行线性化，从而实现滤波处理。EKF的优点在于其可以成功估计非线性系统，但其缺点在于泰勒级数展开的一阶近似难以对非线性函数进行完整的处理。
无迹卡尔曼滤波器（UKF）则是对EKF的进一步改进。UKF使用非线性变换将状态和观测方程进行处理，从而消除了轨迹传播误差和海森矩阵的求解问题。UKF的优点在于其具有较高的估计精度和更快的收敛速度。
综上所述，基于INS的组合导航系统建模及滤波技术是实现高精度位置测量和可靠自主导航的核心技术之一。INS的建模过程需要考虑所涉及的误差和噪声源，而滤波技术则是对多传感器数据进行处理的重要手段。各种滤波技术均有自己的优缺点，如何选择合适的滤波技术需要根据系统的具体情况来进行判断。