多源信息融合的组合导航自适应联邦滤波算法

段 睿, 张小红,2, 朱 锋

(1. 武汉大学测绘学院, 湖北 武汉 430079;2. 地球空间信息技术协同创新中心, 湖北 武汉 430079)

0 引 言

捷联惯导(strapdown inertial navigation system, SINS)具有完全独立自主、不受外界干扰、全天候工作的优点,能够连续输出稳定、低噪音的导航信息;在全球卫星导航系统(global navigation satellite system, GNSS)以及其他传感器的辅助下,以SINS为核心构建高精度定位、测速、测姿一体化的组合导航系统,是实现地理信息数据自动化采集的关键[1-2]。

在地面开阔的环境下,集成GNSS/SINS的定位定姿系统(position and orientation system,POS)可以提供高精度、稳定的外方位元素参考。然而,在地面复杂环境下,比如城市峡谷、隧道、高架桥等,由于信号遮挡及严重的多径问题,GNSS经常失锁,从而使导航系统误差快速积累。在这种情况下,集成基于多传感器的多源信息并实现优化融合成为首选方案。里程计(odometer,OD)[3]、零速修正(zero velocity update, ZUPT)[4]、非完整性约束(non-holonomic constraints, NHC)[5-6]等多源信息由于获取方便、成本低等优势,被广泛用作POS系统的外部更新信息源。

但由于这些信息的采集手段的限制,其观测结果往往容易产生粗差甚至出现错误,其动态模型也容易出现偏差,此时设计容错性能好,能有效抵御故障信息的融合器显得尤为重要。自从Carlson提出联邦滤波结构的分散化滤波器以来,由于其具有设计灵活,计算量小等优点而受到重视[7];另一方面,由于结构上各子系统相互隔离,易于实现系统错误的检测与排除[8],大批学者对基于联邦滤波器的多源信息融合方法进行了研究。房建成等设计了一种基于自适应模糊系统的联邦滤波智能容错结构方案,实现了SINS/GNSS/天文导航系统(celestial navigation system,CNS)组合系统的容错融合[9]。……