题目：组合导航系统中多传感器信息融合滤波方法研究

导航多传感器信息融合（Multisensor Navigation Data Fusion, MNDF）是将惯性传感器的信息与其他传感器的信息进行融合处理的技术。与单一的导航传感器相比，导航多传感器信息融合技术将多类传感器进行优化配置，性能互补，可以提高导航系统的精度和可靠性。因此，本文针对捷联惯性（Strapdown Inertial NavigationSystem, SINS）/星光（Astronavigation System, ANS）/卫星（Global PositionSystem，GPS）组合导航系统，系统地研究了导航多传感器信息融合的先进滤波方法，本文的内容主要分为两大部分：导航多传感器信息融合中的线性滤波方法研究和非线性滤波方法研究。本文第一部分研究了导航多传感器信息融合的线性滤波方法，包括模糊自适应卡尔曼滤波方法和联邦滤波方法的研究。首先，详细地介绍了模糊自适应滤波方法，并将该方法应用于SINS/ANS 组合导航系统，提出了一种基于模糊自适应得SINS/ANS 组合导航系统滤波方法，降低了系统模型误差，抑制滤波发散，提高了滤波精度。然后，对联邦滤波方法进行了深入研究，提出了一种新的信息分配算法，并将基于新的信息分配算法的卡尔曼滤波应用于SINS/ANS/GPS 组合导航系统，通过这种新的信息分配算法，实现了联邦滤波的全局最优，并且提高了联邦滤波的精度和容错能力。本文第二部分研究了对导航多传感器的非线性信息融合方法。首先，系统地论述了基于线性回归卡尔曼滤波的UKF 的基本原理及特点，提出了一种联邦UKF 滤波器，该方法不仅减小了系统的计算量，同时还提高了系统的容错能力。然后，本文深入研究了粒子滤波方法在导航多传感器信息融合中的应用，将UPF 应用于SINS/ANS 组合导航系统，提出了一种基于UPF 的SINS/ANS 组合导航系统滤波方法，进一步提高了组合导航系统的精度，但是该方法计算量仍然较大，有待进一步提高。本文最后针对弹道导弹的SINS/ANS/GPS 组合导航系统进行了计算机仿真研究，由于弹道导弹在关机点之后是自由飞行，关机点误差决定了其落点误差。因此本文选取弹道导弹的主动段进行仿真研究，将各种线性滤波方法和非线性滤波方法进行了详细的对比和分析。