题目：集员滤波在导航系统中的应用

初始对准是惯性导航系统中的关键技术之一，对准精度直接关系到惯导系统的工作精度，对准时间也是反映惯导系统快速反应能力的重要指标。初始对准一般分为粗对准和精对准两个阶段。在粗对准阶段，主要利用地球自转角速度，重力加速度及其测量值将惯性导航系统对准在一个较好的精度范围内，以便为精对准做准备。目前用于精对准的方法主要是卡尔曼滤波，这就要求系统噪声服从高斯分布。然而实际惯性导航器件带来的误差并不一定满足高斯分布，且惯性导航系统常常工作在复杂恶劣的环境中，经过粗对准后的初始方位失准角经常为大角度，此时建立在小失准角情况下的线性对准模型已不能准确描述惯性导航系统失准角的误差传播特性，卡尔曼滤波应用在这种情况下常常会失效，因此就需要建立更加准确的失准角误差方程，同时寻找更加鲁棒的滤波算法。本文以上述两个问题为重点，对不同的初始对准方法进行了分析和比较。在初始失准角为小角度时，研究了当系统噪声和量测噪声满足有界情况下的状态估计方法即集员滤波方法。本文对集员滤波算法进行了深入的分析，详细地介绍了集员滤波算法的基本原理和关键步骤，指出此算法的主要问题是计算复杂度较高和水平失准角滤波精度不如卡尔曼滤波。本文给出了三种自适应集员算法以及序列平方根滤波算法来解决集员滤波的计算复杂度较高问题，同时给出一种增益矩阵参数调节算法来解决水平失准角精度降低问题。最后将上述集员滤波及其改进算法，连同卡尔曼滤波算法一起应用于初始对准模型中，在横向和纵向的仿真对比中，集员滤波及其改进算法在有界噪声下都能获得比卡尔曼滤波更好的性能。当初始方位失准角为大角度情况时，研究了非线性初始对准方法。首先研究了扩展集员滤波方法，并针对扩展集员滤波中存在的计算复杂度较高和计算结果比较保守等问题提出了一种扩展集员滤波的改进算法，此算法针对初始对准系统方程为非线性方程而量测方程为线性方程这一特点，充分发挥了集员滤波的优势，提高了集员算法的计算效率和估计精度。最后将扩展集员滤波算法和扩展集员滤波改进算法以及扩展卡尔曼滤波应用到非线性对准模型中，通过对各种算法之间的横向比较表明，无论在高斯白噪声还是有界噪声情况下，本文给出的集员改进算法都有着比扩展集员滤波算法和扩展卡尔曼滤波更好的方位失准角估计性能。