基于UKF的INSGNSSCNS组合导航最优数据融合方法.docx

基于UKF的INSGNSSCNS组合导航最优数据融合方法
一、引言
随着现代航空航天技术的发展和GNSS技术的广泛应用，惯性导航系统、全球定位系统和星载导航等技术逐渐成为组合导航系统中必不可少的组成部分。组合导航系统是一种结合多种导航技术的方式，将多种导航技术的优势和特点进行优化和整合，可以获得更加可靠和精确的导航信息。然而，组合导航系统也面临着多源数据不一致、误差累积、超限检测等问题，这些问题对导航精度和可靠性产生了负面影响。因此，如何优化组合导航系统的数据融合方法，改善导航性能，一直是组合导航技术研究的重要方向。
本文将从UKF的角度，探讨INSGNSSCNS组合导航的最优数据融合方法，并进行分析和实验验证，以期为实际应用提供参考和借鉴。
二、INSGNSSCNS组合导航原理
1.惯性导航系统（INS）
惯性导航系统是一种能够测量运动的加速度和角速度的导航系统，可以通过积分运动学和动力学方程得到航位信息，并在导航过程中对自身位置、速度和方向状态进行估计。惯性导航系统有较高的测量频率和稳定性，能够在复杂的环境下提供可靠的导航信息，但是惯性导航系统的测量误差会随着时间的推移而累积，导致导航性能下降。因此，惯性导航系统需要与其他导航技术进行组合以提高导航性能。
2.全球定位系统（GNSS）
全球定位系统是一种基于卫星信号的导航系统，从空间中的多个卫星作为定位的参考点，依靠卫星发送的信号进行定位和导航。全球定位系统主要包括卫星测距、位置解算、差分定位、时钟同步等技术，具有较高的定位精度和稳定性，但是在建筑密集区、山区和室内等环境下，GNSS信号可能会受到干扰而导致定位误差。
3.卫星导航（CNS）
卫星导航是一种基于卫星和地面站之间的双向通信实现多种导航信号的导航技术。卫星导航包括一些辅助导航系统，如北斗导航系统、伽利略导航系统等，这些导航系统具有高精度、全球性的定位能力，可以扩大导航能力的覆盖范围。卫星导航的信号较为稳定，定位精度高。
4.INSGNSSCNS组合导航
INSGNSSCNS组合导航是一种基于惯性导航系统、全球定位系统和卫星导航的导航系统，将多种导航技术进行优化组合，达到提高导航精度和可靠性的目的。
三、UKF数据融合方法
1.UKF方法的基本思想
UKF方法是一种基于无要素的卡尔曼滤波理论，采用一种非线性的变换函数来处理非线性系统，以提高估计精度，通过不确定性的推断对信号进行滤波和优化估计，是目前较为成熟的一种数据融合方法。
2.状态估计和卡尔曼滤波理论
卡尔曼滤波理论是一种基于贝叶斯概率推断的估计方法，能够对具有一定随机性的数据进行分析和处理。卡尔曼滤波理论是状态变量与观测变量之间的一种映射关系，同时也是一个实时、递推且延迟较小的过程，利用上一时刻的状态值，根据当前时刻的观测值进行修正，并输出最小均方误差下的最优状态估计值。
3.UKF方法和卡尔曼滤波理论的区别
UKF方法与传统的基于状态空间和线性模型的卡尔曼滤波方法相比，采用了一种非线性的变换函数，将非线性问题转化为一系列线性问题进行处理，适用于非线性问题，并且在运算量方面有所优化。UKF方法能够利用系统本身的非线性特点，并且可以适用于带有高斯分布和非高斯分布的噪声。
四、INSGNSSCNS组合导航的最优数据融合方法
1.INSGNSSCNS组合导航的数据融合方法
INSGNSSCNS组合导航需要将三种导航技术的数据进行集成和融合，最终得到合理、精确的导航状态信息。具体可以采用以下的数据融合方法：
（1）将惯性导航系统的输出结果作为卡尔曼滤波模型中的状态变量，通过全球定位系统和卫星导航的测量值对系统状态进行补偿和更新。
（2）利用随机游走模型对惯性导航系统的误差进行建模，并结合高斯噪声模型对测量误差进行建模。
（3）对系统状态进行观测值的转换和滤波。
2.基于UKF的INSGNSSCNS组合导航最优数据融合方法
为了得到最优的数据融合方法，我们采用了基于UKF的INSGNSSCNS组合导航数据融合方法。具体流程如下：
（1）将INSGNSSCNS组合导航的问题描述为一个非线性状态估计问题。
（2）通过非线性变换函数对状态进行变换和预测。
（3）通过观测值对状态进行修正和更新。
（4）结合惯性导航的误差特性和GNSS等定位技术的特点，对模型参数进行优化和调整，以提高最终估计的精度和鲁棒性。
3.实验与分析
为了验证基于UKF的INSGNSSCNS组合导航最优数据融合方法的性能，我们进行了仿真实验。实验采用了MATLAB编程语言进行实现，利用了已有的惯性导航系统和全球定位系统等数据。仿真实验流程如下：
（1）通过惯性导航系统模型得到初始状态值和误差特性。
（2）利用UKF方法对INSGNSSCNS信息进行融合和优化，得到最终的导航状态信息。
（3）进行误差分析