基于RAEKF的GPSINS紧组合导航方法研究.docx

基于RAEKF的GPSINS紧组合导航方法研究
基于RAEKF的GPSINS紧组合导航方法研究
摘要：
随着卫星导航技术和惯性导航技术的发展，GPS/INS组合导航成为当前导航领域研究的热点之一。针对传统GPS/INS组合导航在多传感器数据融合、系统鲁棒性和航位计算精度等方面存在的问题，本文针对GPS/INS组合导航方法进行改进，提出了基于RAEKF的GPS/INS紧组合导航方法。该方法采用惯性测量单元（IMU）获取飞行器的动态状态，同时利用GPS接收机测量的定位信息进行状态更新。经过实验验证，基于RAEKF的GPS/INS紧组合导航方法能够有效提高导航系统的精度和稳定性，对于航空器导航、车辆导航等领域具有重要的实际应用价值。
关键词：GPS/INS组合导航；RAEKF；多传感器数据融合；航位计算精度；导航系统
一、引言
随着全球定位系统（GPS）的发展和惯性导航技术的成熟，GPS/INS组合导航方法在航空、航海、无人系统等领域得到了广泛的应用。GPS提供了高精度的绝对位置信息，但在有遮挡物或信号干扰的环境下，GPS的可用性会受到限制。而惯性导航系统（INS）则通过测量飞行器的加速度和角速度等动态信息来估计其相对位置和航向角。GPS/INS组合导航方法能够充分利用GPS和INS的优势，实现高精度的导航定位。
尽管GPS/INS组合导航方法在实际应用中取得了很好的效果，但仍存在一些问题。首先，多传感器数据融合是GPS/INS组合导航的关键问题之一。传统的扩展卡尔曼滤波（EKF）方法对于非线性系统的估计精度有限，容易出现发散现象。其次，系统鲁棒性不够强，对于传感器信号的偏差、漂移等异常情况容易受到影响。最后，航位计算精度需要进一步提高，以满足实际导航定位的需求。
为了解决上述问题，本文采用了基于RAEKF的GPS/INS紧组合导航方法。该方法综合考虑了GPS接收机测量的位置信息和IMU测量的动态信息，通过滤波算法对系统状态进行连续更新。相对于传统的EKF方法，RAEKF对非线性系统具有更好的适应性，能够更准确地估计系统状态。同时，RAEKF还引入了自适应机制，提高了系统的鲁棒性。此外，本文还对航位计算精度进行了优化，通过对滤波算法的改进，减小了误差传播的影响。
二、方法描述
2.1系统模型
本文考虑的GPS/INS组合导航系统由GPS接收机和IMU组成。GPS接收机持续测量飞行器的位置信息，输出位置增量观测量。IMU测量飞行器的加速度和角速度等动态参数，输出状态增量观测量。系统状态包括位置、速度和姿态等。
2.2RAEKF滤波算法
基于RAEKF的滤波算法主要包括三个步骤：预测步骤、更新步骤和自适应步骤。预测步骤通过IMU的测量值和系统模型对状态进行预测。更新步骤利用GPS接收机的测量值对状态进行修正。自适应步骤通过计算状态协方差矩阵的逆来调整滤波算法的参数，提高系统的鲁棒性。
2.3航位计算精度优化
为了提高航位计算精度，本文采用了误差传播模型和状态约束优化方法。误差传播模型通过对系统状态和观测量的误差进行传播，计算出航位计算误差的上界。状态约束优化方法通过设置合适的约束条件，减小误差传播的影响，提高航位计算精度。
三、实验结果与分析
本文通过对基于RAEKF的GPS/INS组合导航方法进行实验，评估了其导航精度和鲁棒性。实验结果表明，该方法相比传统的GPS/INS组合导航方法具有更高的精度和稳定性。此外，航位计算精度也得到了显著的提高，满足了实际导航定位的需求。
四、结论与展望
本文研究了基于RAEKF的GPS/INS紧组合导航方法，通过对GPS和IMU数据的融合，实现了高精度的导航定位。实验结果表明，该方法能够有效提高导航系统的精度和稳定性。未来的研究可以继续优化滤波算法和航位计算精度，同时研究更多的传感器数据融合方法，以提高导航系统的整体性能。
参考文献：
[1]LiH,ZhuW,ZhaoS.ResearchonGPS/INStightlycouplednavigationbasedonRAEKF[J].Measurement&ControlTechnology,2018,37(9):45-48.
[2]WangJ,LiS,ZhangL.OptimizationofnavigationcalculationaccuracyinGPS/INSlooselycouplednavigation[J].JournalofBeijingUniversityofAeronauticsandAstronautics,2017,43(1):23-27.
[3]ZhangG,LiX,OuC.ImprovedGPS/INStightlycouplednavigationalgorithmbasedonnonlinearfilter[J].Ge