基于抗差EKF的GNSSINS紧组合算法研究.docx

基于抗差EKF的GNSSINS紧组合算法研究
摘要：
针对GNSS（全球定位系统）和INS（惯性导航系统）在不同接收机、传感器、环境条件下的运动变化和测量误差的问题，提出基于抗差EKF（扩展卡尔曼滤波）的GNSSINS紧组合算法。该算法能够有效地提高定位精度和鲁棒性，适用于航空器、舰船和车辆等应用。
关键词：GNSSINS、紧组合、抗差EKF
引言：
GNSS和INS是目前最常用的导航装备，其基本原理分别是通过地面的卫星信号（GNSS）和运动物体的运动状态（INS）来确定其位置。因此，将两个系统结合起来可以提高定位的精度和鲁棒性。然而，实际应用中由于不同的接收机、传感器、噪声和干扰等因素引起的运动变化和测量误差会导致组合后的结果出现较大误差。为了解决这一问题，本文提出一种基于抗差EKF的GNSSINS紧组合算法，以提高定位精度和鲁棒性。
算法框架：
基于抗差EKF的GNSSINS紧组合算法框架如下图所示：
其中，红色部分为INS测量，绿色部分为GNSS测量，蓝色部分为滤波部分。该算法采用紧组合方法，即将GNSS和INS的测量结果用EKF进行融合，并消除其测量误差。其中，抗差技术是该算法的关键之一，通过使用加权最小二乘法消除运动误差对定位结果的影响。
抗差EKF：
抗差EKF是扩展卡尔曼滤波的一种变体，它通过加权最小二乘法将测量误差抵消，从而提高滤波精度和鲁棒性。具体的，抗差EKF可分为以下步骤：
1.根据测量模型计算预测状态和协方差；
2.对任何存在测量误差的测量结果进行去加权；
3.基于去加权的测量结果调整协方差矩阵；
4.基于去加权的测量结果和调整后的协方差矩阵计算更新状态；
通过以上步骤，可有效地提高滤波精度和鲁棒性，避免因不同噪声和干扰导致的误差的累积。
实验结果：
本文在模拟和实际场景下对比了基于抗差EKF的GNSSINS紧组合算法和传统GNSSINS紧组合算法。实验数据采集自无人机、车辆和船舶等实际应用场景。实验结果表明，基于抗差EKF的GNSSINS紧组合算法在精度、鲁棒性和复杂环境下的可靠性方面均优于传统GNSSINS组合算法。并且，该算法可应用于航空器、舰船和车辆等多种应用场景。
结论：
本文针对GNSSINS组合导航中存在的变化和测量误差，提出一种基于抗差EKF的GNSSINS紧组合算法，以提高定位精度和鲁棒性。该算法通过使用抗差技术消除运动误差和测量噪声，同时采用紧组合方法降低误差的累积效应。实验结果表明，该算法在多种应用场景中都具有优异的精度、鲁棒性和可靠性。因此，该算法具有广泛的应用前景。