题目：组合导航中非线性滤波方法研究

当前，导航技术创新层出不穷，发展空间广阔。为了解决单一导航系统的局限性，组合导航成为目前导航技术发展的重要方向之一，并在军用、民用等领域有着广泛的应用前景。组合导航系统能够充分利用各个子系统的信息，提高导航定位的精度，并具备更高的可靠性。组合导航系统中信息处理的核心是滤波方法。组合导航为非线性系统，由于构成组合导航的子系统不同，并且其应用的场景也有差异，导致很难精确描述系统模型。目前的解决方法通常是将非线性模型进行线性化近似，按照线性问题处理。但这种线性近似会引入线性化误差，降低滤波方法的估计性能，导致导航定位精度变差。因此需要采用非线性滤波方法或者和其他方法结合来解决。本文首先简要归纳了组合导航系统的发展情况，总结了组合导航中非线性滤波方法的研究现状。在此基础上，针对车载导航、行人导航和室内导航三种不同的应用场景，根据各导航子系统的技术特点进行分析，构建了精确的系统模型。依次采用扩展卡尔曼滤波（Extended Kalman Filter，EKF）、无迹卡尔曼滤波（Unscented Kalman Filter，UKF）和粒子滤波（Particle Filter，PF）进行推算，并结合其他相应的方法辅助导航定位，对基于上述非线性滤波方法的组合导航进行了实际测试。论文主要工作如下：1.提出了一种基于EKF和神经网络（Artificial Neural Network，ANN）的车载组合导航方法。使用全球定位系统（Global Positioning System，GPS）和惯性导航系统（Inertial Navigation System，INS）作为组合导航子系统。针对车载导航场景中GPS易发生间隔、INS易发生漂移等特点，采用ANN方法辅助基于EKF的组合导航，利用GPS无遮挡时对ANN的训练，在GPS间隔时修正INS的漂移。同时采用小波变换方法对数据去噪分析。跑车实验表明，该方法复杂度较低，和常规方法相比导航精度有所提高，位置定位平均误差小于3.5米，水平速度平均误差小于0.5米每秒，可满足车载导航实际需求。2.提出了一种基于UKF和零速校正（Zero Velocity Update，ZUPT）的行人组合导航方法。使用GPS和低成本的INS作为组合导航子系统。针对行人导航设备成本低的需求，选用低成本的INS。针对行人导航环境复杂、行人运动不规律等特点，采用适合于强非线性空间的UKF方法进行组合导航。采用ZUPT方法在行人行走过程中，进行位置和速度偏差的修正；同时采用建筑物方向信息约束INS的姿态偏差，从而辅助组合导航，提高其方向精度。行走实验表明在40分钟的行走过程中，该导航方法位置平均误差小于2.8米，和使用低成本INS的常规方法相比性能有较大提升，可满足行人导航实际需求。3.提出了一种基于Rao-Blackwellized粒子滤波（RBPF）和无线网络（WiFi）指纹匹配的室内组合导航方法。使用WiFi和地图信息作为子系统。针对室内场景信号传播复杂的特性，采用WiFi指纹匹配方法进行粗略定位，再将地图信息融合进组合导航系统精确定位。由于WiFi的信号接收强度（Received Signal Strength，RSS）具有时变性特点，同时考虑到地图信息系统的融合问题和室内观测噪声非高斯分布，采用适合于非线性非高斯空间的PF方法进行组合导航。为了减少算法的复杂度，以及提高导航精度，选用了RBPF作为该室内组合导航的滤波方法。室内行走实验表明，该方法与常规基于PF的导航方法相比,在降低方法复杂度的同时，提升了精确度，定位平均误差小于1.6米。通过以上研究工作，本文对不同场景下组合导航中非线性滤波方法的应用，提供一定的理论支持和推动作用。