基于改進AKF的車載MIMU-GNSS組合導航算法研究.pdf

1、二十一世紀新科技的發(fā)展日新月異，促進了微電子技術和微機械加工工藝水平的進步，在其推動下 MEMS慣性傳感器的發(fā)展突飛猛進，促使更多學者投入到了相關技術的研究中。以MEMS慣性傳感器為主體的MIMU系統(tǒng)以其微型化、低成本、可批量生產、可靠性高等優(yōu)點廣泛應用于微型機器人、車載設備、智能移動通信設備、無人機等眾多領域。特別是對于車載導航系統(tǒng)，MIMU系統(tǒng)的優(yōu)點使該系統(tǒng)得到長足的發(fā)展。然而，由于MEMS慣性傳感器的精度較低并且誤差會逐漸積累，導

2、致MIMU系統(tǒng)精度差，不能獨立完成車載導航任務。通常情況下，為了彌補 MIMU系統(tǒng)導航誤差，采用GNSS對其進行補償，以組成車載 MIMU/GNSS組合導航系統(tǒng)。本文則是以車載MIMU/GNSS組合導航系統(tǒng)為應用背景，針對MEMS陀螺降噪及自適應線性信息融合方法展開深入研究。在保證車載組合導航系統(tǒng)穩(wěn)定性的基礎上，提高車載系統(tǒng)導航精度。
　　本文在介紹車載MIMU/GNSS組合導航系統(tǒng)的研究發(fā)展現(xiàn)狀、基本原理與組合方式、經典信息融合

3、算法的基礎上，針對MEMS陀螺噪聲影響車載系統(tǒng)導航精度的問題，對MEMS陀螺降噪技術展開深入研究：首先對MIMU器件誤差進行分析，針對MIMU器件的隨機誤差，采用Allan方差與自回歸過程進行誤差特性辨識，并建立了MEMS陀螺誤差模型。再根據(jù)該誤差模型，設計相應的MEMS陀螺降噪方案，減小隨機誤差，為后續(xù)章節(jié)的研究奠定堅實基礎。在車載MIMU/GNSS組合導航系統(tǒng)融合算法研究過程中，文中針對采用傳統(tǒng)卡爾曼濾波無法解決車載組合導航系統(tǒng)最優(yōu)

4、估計信息輸出不穩(wěn)定的問題，建立了基于改進觀測狀態(tài)方差R值的自適應卡爾曼濾波算法；在此基礎上引進平方根濾波，提出一種基于平方根的自適應卡爾曼濾波（S-AKF）算法，該算法不僅可以解決信息融合過程中狀態(tài)量計算誤差的問題，還能夠結合自適應卡爾曼濾波和平方根濾波的優(yōu)點，提高車載MIMU/GNSS導航信息穩(wěn)定性和系統(tǒng)精度。最后，利用XSENS公司生產的MTi-G微慣性傳感器與衛(wèi)星接收機進行了靜態(tài)試驗和車載動態(tài)試驗：試驗結果表明，相比于基于卡爾曼濾