● 摘要
组合导航系统是惯性导航系统与其他同类辅助导航系统融合而成的一种导航系统。这种系统与单独使用惯性导航或其他辅助导航系统相比，能获得更高的精度等性能。通过增强系统的容错特性，可以进一步提高精度和可靠性。本论文针对组合导航系统的信息融合问题，开展了以下创新性研究工作。首先，在集中式数据融合方案中，本文提出了一种高效的卡尔曼滤波的方法，将测量向量的组成元素被作为独立的标量测量，而不是矢量测量，通过在误差方程更新过程中避免矩阵求逆运算，从而减少计算时间和提高数值精度。该方案应用于SINS/ GPS/ CNS/多普勒组合导航系统使导航解决方案取得了较好的效果。此外，还研究了扩展卡尔曼滤波、无迹卡尔曼滤波、粒子卡尔曼滤波和无迹粒子滤波在SINS / GPS，SINS/ CNS等多种组合导航中的应用，并取得了良好的效果。针对联邦卡尔曼滤波(FKF)的方案，提出了信息融合算法，优化了信息融合系数，从而在各种组合形式的组合导航系统中获得了最优或接近最优的导航解决方案，将所提出的方案被应用于SINS/ GPS / CNS/多普勒雷达组合导航系统中，为所有局部滤波器提出了信息融合算法详细的数学模型，包括系统的动力学模型和量测模型，同时提出了所有局部滤波器的信息融合方法；仿真结果验证了所提出方法的有效性。最后，分别针对集中式和联邦式的组合导航系统提出了容错方案，首先将基于故障诊断和隔离的χ2假设，以及基于最大似然(ML)的自适应卡尔曼滤波算法应用了到不同形式的组合导航系统中；随后为了适应测量噪声方差和系统噪声方差，提出了基于新息/残差的模糊自适应卡尔曼滤波方法以及一种在线调整权重因子的方案，并应用到集中和联邦形式的信息融合中，该方案在抑制过度的随机误差，线性增长误差和来自航标的测量步误差方面具有极好的效果；最后为增强基于ML的自适应滤波的性能，提出了一种模糊自适应方案，并应用于SINS/ GPS / CNS/多普勒导航的容错组合导航系统，达到了良好的效果。以上所有提到的信息融合方法都在无人机(UAVs)，飞机和导弹等仿真轨道上得到了验证。