基于低通滤波的GPSINS组合导航模型研究.docx

基于低通滤波的GPSINS组合导航模型研究
基于低通滤波的GPS/INS组合导航模型研究
摘要：组合导航是一种有效的定位导航方法，结合全球定位系统（GPS）与惯性导航系统（INS）可以提高导航的精度与可靠性。本文研究了基于低通滤波的GPS/INS组合导航模型，主要包括系统结构、算法原理以及实验结果等。通过实验验证，新的组合导航方法具有较高的精度和鲁棒性，适用于各种导航应用场景。
关键词：组合导航、GPS、INS、低通滤波、精度、鲁棒性
1.引言
近年来，随着GPS技术的快速发展，以及微惯性测量单元（IMU）硬件的不断升级，组合导航成为了一种重要的定位导航方法。组合导航通过综合GPS和INS两种不同的定位数据，可以提高导航的精度和可靠性。其中，GPS提供了高精度的位置和速度信息，但受到遮挡和多径效应等因素的影响；而INS可以提供连续的姿态和加速度信息，但存在漂移等问题。因此，通过组合两种数据，可以互补其优势，实现更加精准的定位导航。
2.系统结构
基于低通滤波的GPS/INS组合导航模型的系统结构如图1所示。该模型主要由四个模块组成：GPS接收机模块、INS模块、数据融合模块和位置解算模块。
2.1GPS接收机模块
GPS接收机模块负责接收卫星发射的导航信号，并通过解算GPS卫星的位置和速度信息。
2.2INS模块
INS模块由加速度计和陀螺仪等传感器组成，可以测量系统的姿态和加速度等信息。通过积分计算，可以得到系统的速度和位移信息。
2.3数据融合模块
数据融合模块主要负责将GPS和INS的数据进行融合处理，得到一组更加精确的位置和速度估计。
2.4位置解算模块
位置解算模块利用融合后的位置和速度估计，通过滤波算法进行数据处理，得到系统的最终位置和速度。
3.算法原理
将GPS和INS的数据进行融合处理是组合导航的关键。本文采用了基于低通滤波的方法，通过滤波算法实现对数据的平滑处理。
低通滤波是一种常用的数字信号处理方法，可以实现对高频噪声的滤除。对于GPS数据，由于受到信号遮挡和多径效应等因素的影响，会出现较大的噪声。而INS数据则存在漂移等问题。通过低通滤波，可以减小这些噪声和漂移的影响，得到更加准确的数据。
本文使用了卡尔曼滤波算法，通过对GPS和INS数据进行融合，实现了对位置和速度的精确估计。具体步骤如下：
1）初始化卡尔曼滤波器的状态和协方差矩阵；
2）接收GPS和INS的数据，并进行预测；
3）通过卡尔曼增益，将GPS和INS数据进行融合；
4）更新卡尔曼滤波器的状态和协方差矩阵；
5）重复步骤2-4，直到得到最终的位置和速度估计。
通过低通滤波算法的应用，可以有效地提高组合导航的精度和鲁棒性。
4.实验结果
本文设计了一系列实验，验证了基于低通滤波的GPS/INS组合导航模型的性能。实验采用了真实的GPS和INS数据，并与传统的导航方法进行了对比。
实验结果表明，基于低通滤波的组合导航模型具有较高的定位精度和鲁棒性。对比实验显示，新的方法在各种导航应用场景下均能取得较好的性能表现。
5.结论
本文研究了基于低通滤波的GPS/INS组合导航模型，通过对GPS和INS数据进行融合处理，实现了更加精确的位置和速度估计。实验结果表明，新的组合导航方法具有较高的精度和鲁棒性，适用于各种导航应用场景。
未来，可以进一步研究如何结合其他传感器信息，提高组合导航的性能。同时，还可以探索更加高效的滤波算法，提高系统的实时性和稳定性。
参考文献：
[1]BrownRG,HwangPYC.IntroductiontorandomsignalsandappliedKalmanfiltering[M].JohnWiley&Sons,2012.
[2]LuC,CaiG,ZhuC,etal.IntegrationofGPSandINSusingarobustmulti-ratetimedelayestimationscheme[J].JournalofNavigation,2019,72(5):1021-1036.