郝雨时,徐爱功,隋 心,王长强
辽宁工程技术大学,辽宁 阜新 123000
初始对准是捷联惯性导航系统(strapdown inertial navigation system,SINS)导航的重要环节,其对准精度直接影响后续导航精度。随着多源传感器组合导航技术的发展,GNSS(global navigation satellite system)/INS(inertial navigation system)组合导航及对准问题成为研究热点之一。GNSS可提供高精度位置和速度信息,但对准过程中单天线不提供姿态信息,姿态误差补偿能力受限。为此相关学者进行了探讨[1-4],其中大部分双天线GNSS/INS初始对准方法均利用GNSS侧向结果辅助INS初始对准,忽略了GNSS观测噪声的影响。若两天线基线长度较短(如1 m),基线平面精度2 cm,直接利用GNSS测向结果,最大可引入1.15°的航向角误差,不满足高精度测姿要求。因此,应从姿态误差模型角度出发,利用相关数据融合算法,不完全依赖GNSS测向结果辅助INS初始对准。
扩展卡尔曼滤波(extended Kalman filter,EKF)广泛应用于GNSS/INS组合导航数据处理,但大部分实际应用中,精确的数学模型、参数及噪声统计信息无法获取,仅采用EKF无法获取最优滤波解[5]。关于噪声特性未知情况下的Kalman滤波有Sage滤波[6-8]、基于方差分量估计的自适应滤波[9]、抗差自矫正Kalman滤波[10]等。关于控制异常误差影响的研究有抗差Kalman滤波[11]、自适应Kalman滤波和抗差自适应Kalman滤波[12-16]等。文献[8—11]提出将自适应滤波理论应用到GNSS/INS组合导航系统数据处理中,从不同角度对Kalman滤波进行了改进,取得了明显效果。关于异常控制方面的方法可以提高模型稳定性,并不意味着能完全提高姿态参数的绝对精度,绝对精度主要受观测值精度影响,需要相关观测噪声优化方法,以弱化低质量观测值对参数解算的影响。……