GPS短时失效条件下SINS/GPS组合导航数据处理方法

在SINS/GPS组合导航实际应用中GPS短时失效的情况难以避免,这会导致组合导航的效果下降。针对该问题,本文提出了基于偏最小二乘PLSR辅助高斯过程回归GPR的SINS/GPS组合导航的无味四元数估计器USQUE,以解决组合导航中的GPS短时失效问题。该方法以PLSR估计的位置误差作为输入,以GPS提供的位置信息作为输出对GPR进行训练。在组合导航系统出现GPS短时失效后,使用通过PLSR辅助粒子群算法优化超参数的GPR直接对辅助导航设备的位置进行预测,作为USQUE算法的量测量,从而使得USQUE算法可以正常进行量测更新。在实验中,使用车载MEMS/GPS数据,将PLSR-GPR-USQUE,PLSR-USQUE与隔离量测量的USQUE算法组合导航的效果进行比较。实验结果表明,在GPS短时失效的情况下,PLSR-GPR-USQUE具有良好的估计精度。     

一种新的混合迭代UKF

从统计线性回归的角度对无味变换(unscented transformation,UT)进行分析,推导了迭代无味卡尔曼滤波(iterated unscented Kalman filter,IUKF)。针对IUKF计算量大的问题,结合弦线迭代法和IUKF,得到了一种新的混合迭代无味卡尔曼滤波器。数值仿真的结果表明,新滤波算法的精度优于扩展卡尔曼滤波、迭代扩展卡尔曼滤波和无味卡尔曼滤波,并可以有效降低IUKF的计算量。