论文部分内容阅读
在捷联惯性导航系统(Strap-down Inertial Navigation System,SINS)和GPS(Global Positioning System)组成的SINS/GPS组合导航系统中,存在系统误差模型、伪距观测方程等非线性方程,并且组合导航系统的噪声非常复杂,传统的卡尔曼滤波或者相关扩展的卡尔曼滤波已不能完全满足组合导航系统的误差补偿要求,因此,可用于非线性、非高斯随机系统的粒子滤波算法在组合导航系统中有着广泛的应用。首先,研究了既有的标准粒子滤波算法,由于标准粒子滤波算法忽略了当前的观测值,直接采用先验概率密度函数作为重要性密度函数,使得权重几乎集中在少数粒子上,粒子集不能够准确表达实际后验概率,造成了严重的粒子退化问题。针对标准粒子滤波存在的问题,给出了改进的自适应迭代粒子滤波算法,通过自身迭代,产生新的重要密度函数,更新重采样技术,并引入模拟退火算法,利用成本函数最大化,求解出模拟退火参数,解决了粒子退化和权值归一化的问题,并且能够将粒子快速推入高似然区,提高粒子有效利用率。其次,研究了SINS/GPS组合导航系统硬件和软件实现的工作原理。采用上位机软件测试惯性测量模块和GPS接收模块,检测接收数据的完整性和正确性。ARM主控处理器实现了系统控制和导航解算功能,并将各模块连接形成完整的组合导航硬件系统。通过研究SINS系统、GPS系统和SINS/GPS组合导航系统接收解算数据的原理,完成了各系统数据更新的软件流程的设计。最后,设置SINS/GPS组合导航系统的初始条件和仿真参数,利用Matlab软件对标准粒子滤波算法和自适应迭代粒子滤波算法进行仿真,并对比分析仿真数据。实验结果表明,自适应迭代粒子滤波算法比标准粒子滤波算法具有很好的滤波效果,在三个方向上的速度、位置精度至少提高了0.180m/s和1.789m。将惯性测量模块和GPS接收模块接收记录的数据,通过串口传送到ARM主控处理器,经过处理后的数据以经度、纬度和高度的形式由显示屏显示出来。