[发明专利]一种基于KF和STUPF组合滤波的SINS大方位失准角初始对准方法

摘要

本发明公开了一种基于KF和STUPF组合滤波的SINS大方位失准角初始对准方法,将大失准角下非线性初始对准滤波模型分解为线性与非线性两部分，建立了线性滤波模型离散化的状态方程和量测方程，采用卡尔曼滤波进行处理；结合线性部分的状态方程和量测方程，得到非线性部分的观测量，进而建立初始对准非线性部分离散化的滤波模型，采用强跟踪的UPF滤波进行状态估计，得到失准角的估计值。本发明基于KF和STUPF组合滤波算法，既保证了初始对准精度，又降低了滤波器状态维数，避免了维数灾难，克服了计算量大、实时性差的不足，在保证初始对准精度的同时提高初始对准的实时性，具有实用价值。

主权项

一种基于KF和STUPF组合滤波的SINS大方位失准角初始对准方法，其特征在于，将大失准角下非线性初始对准模型分解为线性与非线性部分，分别采用KF和强跟踪的UPF完成状态估计，具体包括如下步骤：S1：建立捷联惯导系统大方位失准角静基座初始对准的状态空间模型根据初始对准捷联惯导系统中速度、姿态角误差方程，在大方位失准角条件下，假设水平失准角φE，φN是小量，方位失准角φU为大角度时，忽略二阶及二阶以上的高阶项等，建立捷联惯导系统大方位失准角静基座初始对准的状态空间模型；S2：建立大方位失准角静基座初始对准下线性部分和非线性部分滤波模型将步骤S1得到的捷联惯导系统大方位失准角静基座初始对准的状态空间模型分解为线性部分和非线性部分；取东向、北向速度误差δvE，δvN作为线性部分的观测量，建立捷联惯导系统大方位失准角静基座初始对准线性滤波模型离散化的状态方程和量测方程；结合线性部分的状态方程和量测方程，得到非线性部分的观测量，进而建立初始对准非线性滤波模型离散化的状态方程和量测方程；S3：采用KF和STUPF组合滤波算法完成状态估计对步骤S2中得到的大方位失准角静基座初始对准下线性部分滤波模型，采用KF算法进行处理；大方位失准角静基座初始对准下非线性部分的滤波模型，采用强跟踪的STUPF算法进行处理，基于KF和STUPF组合滤波算法，完成状态估计。