【滤波跟踪】基于无迹卡尔曼滤波UKF实现INS和GPS组合导航，位置误差速度误差松组合方式附Matlab代码

天天Matlab科研工作室

已于 2025-02-14 15:54:03 修改

阅读量732

点赞数 26

文章标签： matlab 开发语言

于 2024-06-23 08:59:07 首次发布

本文链接：https://blog.csdn.net/qq_59747472/article/details/139892873

版权

✅作者简介：热爱科研的Matlab仿真开发者，擅长数据处理、建模仿真、程序设计、完整代码获取、论文复现及科研仿真。

🍎个人主页：Matlab科研工作室

🍊个人信条：格物致知,完整Matlab代码及仿真咨询内容私信。

🌿 往期回顾可以关注主页，点击搜索

🔥 内容介绍

惯性导航系统（INS）能够提供高频的姿态、速度和位置信息，但由于其自身存在的误差积累问题，长期运行后精度会显著下降。全球定位系统（GPS）能够提供高精度的绝对位置信息，但受限于信号遮挡等因素，其可用性受到限制。将INS和GPS系统进行组合，可以有效地弥补各自的不足，实现高精度、高可靠性的导航定位。本文将介绍基于无迹卡尔曼滤波（UKF）的INS/GPS松组合导航系统，探讨其在位置误差和速度误差方面的性能表现，并分析松组合方式的优势与不足。

1. 引言

随着导航技术的发展，对导航系统精度和可靠性的需求不断提高。传统的INS和GPS系统各有优缺点，无法满足现代导航应用的严格要求。将两者进行融合，可以实现优势互补，提高导航系统的整体性能。

INS/GPS组合导航系统根据信息融合方式的不同，可以分为紧组合、松组合和混合组合。其中，松组合方式以GPS作为辅助信息，对INS进行校正，不直接使用GPS的姿态信息，仅对INS输出进行约束。松组合方式具有计算量小、系统实现简单、抗干扰能力强等优点，在很多应用场景中得到广泛应用。

2. 无迹卡尔曼滤波UKF

卡尔曼滤波（KF）是一种常用的状态估计方法，在处理线性系统时表现出色。然而，在处理非线性系统时，KF的性能会受到很大影响，因为其对系统模型进行了线性化处理，会引入线性化误差。

无迹卡尔曼滤波（UKF）是卡尔曼滤波的一种改进算法，它利用无迹变换（UT）来近似非线性系统状态的后验概率分布。UT通过选取少量确定性采样点（sigma点）来近似非线性函数的分布，并利用这些采样点来计算状态的均值和协方差矩阵，从而避免了线性化误差。

3 UKF滤波算法

UKF滤波算法主要包含以下步骤：

初始化状态向量和协方差矩阵。
利用UT生成sigma点。
将sigma点通过INS状态方程进行时间更新。
将更新后的sigma点通过INS测量方程进行测量更新。
根据更新后的sigma点计算状态向量和协方差矩阵。

3.1 松组合方式

松组合方式仅利用GPS位置信息对INS进行校正，不直接使用GPS的姿态信息。其优点包括：

计算量小：只需处理位置信息，计算量较小。
系统实现简单：不需要考虑姿态信息，系统结构较为简单。
抗干扰能力强：对GPS信号遮挡等干扰因素不敏感。

然而，松组合方式也存在一些不足：

精度有限：无法利用GPS的姿态信息，精度相对较低。
无法实时估计姿态误差：无法对INS的姿态误差进行实时估计。

4. 误差分析

INS/GPS松组合导航系统的误差主要来源于INS误差和GPS误差。

INS误差：主要包括陀螺仪漂移、加速度计偏差、安装误差等。
GPS误差：主要包括卫星信号误差、大气误差、多路径误差等。

UKF算法能够有效地抑制INS和GPS的误差，提高系统精度。

5. 实验结果与分析

为了验证基于UKF的INS/GPS松组合导航系统的性能，进行了仿真实验。实验结果表明：

UKF算法能够有效地抑制INS的误差积累，提高系统精度。
松组合方式能够有效地减小位置误差和速度误差，但精度相对紧组合方式较低。

6. 结论

本文介绍了基于无迹卡尔曼滤波UKF的INS/GPS松组合导航系统，并分析了其在位置误差和速度误差方面的性能表现。结果表明，UKF算法能够有效地抑制INS和GPS的误差，提高系统精度。松组合方式具有计算量小、系统实现简单、抗干扰能力强等优点，但精度相对紧组合方式较低。在实际应用中，应根据具体的应用场景选择合适的组合方式。