惯性导航系统(INS)是一种自主式导航系统,可以连续提供多种导航信息,短时间内运行的精度较高,然而其定位误差随时间积累,长时间精度较差。全球定位系统(GPS)长期误差特性较好,但是短期误差精度不好。因此以INS/GPS为组合方式的组合导航系统能够取长补短,是一种理想的组合方式。 论文以INS/GPS组合导航系统为研究对象,系统地研究多传感器组合导航系统的数据融合技术。论述了当导航系统噪声统计特性不确定时,如何改善滤波估计效果和提高INS/GPS组合导航系统的定位精度的问题。论文首先探讨了自适应Kalman滤波算法,建立了两种INS/GPS组合导航系统滤波器的数学模型。然后利用PWCS可观测性分析理论分析不同运动状态下,组合导航系统的可观测性和可观测度,得到合理的状态估计变量。 设计了一种输出/反馈混合校正Kalman滤波方案,仿真结果表明该校正方式优于纯输出校正。针对系统的噪声统计特性不确定时,传统Kalman滤波器估计会产生大的偏差或发散的问题,论文设计了一种模糊自适应Kalman滤波器,即通过模糊逻辑控制系统在线实时调整自适应Kalman滤波器的权值矩阵,保证滤波精度。给出仿真环境下的传统Kalman滤波与模糊自适应Kalman滤波估计效果对比曲线。仿真结果说明在噪声统计未知的情况下,本文设计的自适应算法具有较强的鲁棒性,可以提供较高的导航定位精度。