1、第 卷 第期 年月大 地 测 量 与 地 球 动 力 学 ，收稿日期：项目来源：国家自然科学基金（）；山东省自然科学基金（）。第一作者简介：荆蕾，讲师，主要从事组合导航研究，：。通讯作者：孙炜玮，讲师，主要从事导航技术与控制研究，：。：文章编号：（）组合导航系统的自适应 算法荆蕾孙炜玮乔玉新刘成铭烟台南山学院工学院，山东省龙口市大学路 号，海军航空大学，山东省烟台市，山东东海热电有限公司，山东省龙口市东海工业园，摘要：针对基于无迹卡尔曼滤波（，）算法的 组合导航系统缺乏对量测噪声异常的自适应调节能力，提出一种 组合导航系统的自适应 算法。首先对 组合导航系统进行非线性滤波建模；然后基于变分贝叶
2、斯原理，在 算法的时间更新与量测更新过程中引入量测噪声方差估计模型，得到自适应 算法；最后对 组合导航系统进行仿真验证。结果表明，本文算法能够对量测噪声方差的突变或缓变进行实时、准确的跟踪，相比于常规 算法，可明显提高组合导航系统的精度。关键词：变分贝叶斯；自适应 ；量测噪声均方差；组合导航系统中图分类号：文献标识码：无迹卡尔曼滤波 在 组合导航系统中具有高精度特性。但 是在量测噪声方差恒定的基础上建立的，当量测噪声方差发生变化时，其滤波精度会降低。目前主要采用基于新息的自适应滤波方法解决该问题。田甜将自适应因子引入 算法中以消除粗差对系统的影响；陈光武等利用 对组合导航进行处理，当 信号丢失
3、时利用训练好的神经网络来增强 的滤波效果，但该算法严重依赖训练样本的质量与数量；吴涛等引入时变噪声估计器来估计时变噪声以提高 滤波的自适应能力，但其状态方程依然采取线性化处理方式，限制了滤波精度的提高；马晓杰等引入自适应因子以减小滤波器初值偏差和系统模型异常扰动对 的影响，但该算法在量测噪声异常扰动的情况下性能不佳。基于 的自适应滤波在组合导航系统中应用广泛，但该方法存在对滤波初值敏感、直接使用时滤波易发散以及噪声统计特性估计有偏差等缺陷。而基于变分贝叶斯原理的自适应滤波方法可以克服上述缺点，并能实现系统状态与量测噪声方差的同步估计。基于上述讨论，本文重点针对量测噪声异常扰动情况，引入变分贝叶
4、斯原理，提出一种自适应 算法以适应量测噪声方差的变化。组合导航非线性滤波模型以 地理坐标系为导航坐标系，基于 的 组合导航系统状态方程为：?（）（），）（）（）式中，（）为系统状态向量；、分别为横滚角、俯仰角和航向角；、分别为、和向速度；、分别为经度、纬度和高度；为陀螺仪输出；为加速度计输出；为时间。假设导航系统的先验状态、过程噪声与未知量测噪声间相互独立。选取 输出速度和位置作为观测量，即（）（）（）（）（）（）（）式中，（）和（）分别为量测向量和量测噪声向量，且满足（）（，（）。组合导航自适应 算法 变分贝叶斯原理变分贝叶斯算法近似使用一种分解的自由形式递归逼近误差状态和量测噪声方差的联合
5、后验大 地 测 量 与 地 球 动 力 学 年月分布，然后通过递归算法中的定点迭代估计状态和量测噪声的方差。在系统噪声方差已知、量测噪声方差未知的情况下，变分贝叶斯算法可分为预测阶段和更新阶段。预测阶段可利用（）方程拟合出误差状态和量测噪声方差的条件分布。预测阶段：（，：）（）（）（，：）（）更新阶段：（，：）（，）（，：）（）虽然式（）和式（）在理论上最优，但由于引入了噪声方差矩阵及多维数值积分，因此在实际情况中很难求解。而变分贝叶斯原理可以采用近似的方法，利用多个已知分布近似求解后验分布。根据变分贝叶斯原理，式（）、（）中的量测方差与联合预测和后验分布可转换为如下的逆 分布和高斯分布：（，
6、：）（，）（，）（）（，：）（，）（，）（）式中，为高斯分布的未知噪声方差。引入预测加权系数（，对式（）中的量测噪声方差的预测分布作一阶近似：，（）式中，和 ，为逆 分布的个参数，详细推导过程见文献 。自适应 算法将变分贝叶斯原理与 算法结合，得到适用 于 组 合 导 航 系 统 的 自 适 应 算法。系统增广状态向量如下：（）（）（）式中，的维数定义为。具体步骤如下：）初始化。（）（）（）（）（）样点计算。，（）（），（）（），（）式中，（）（）为矩阵（）的平方根（分解）矩阵的第列。（）（），（）式中，（）；、和为比例因子。）时间更新。（），（，），（），（）量测更新。（）（）（.）（）（）
7、（）式中，为需要滤波器实时估计的量测噪声方差，为点除运算。）滤波更新。（）（）仿真结果及分析 仿真条件以小型飞行器作为载体构建仿真系统，载体飞行航迹包含加速、爬升、转弯等各种运动。载体起飞初始经度、纬度、高度分别为 、，第 卷第期荆蕾等：组合导航系统的自适应 算法初始航向角为 ，飞行时间为 ，捷联解算周期为 ，滤波周期为。滤波初始参数设置如下：三维姿态角误差均为 ，三维速度误差均为 ，三维位置误差均为。设定陀螺随机游走驱动噪声及陀螺白噪声均为 ，加速度计随机游走驱动噪声及陀螺白噪声均为 。位置误差和测速误差分别为和 ，采样周期为。在仿真实验中，式（）、式（）中、的初始值分别取为：.（）.根据
8、测量精度设定及式（），正常情况下，量测噪声的均方差可以表示为：（）.（）（）式中，（）为对矩阵中每个元素取开平方的函数；（）为用于构造对角矩阵的函数。在仿真过程的不同时段内设定 量测噪声的突变与缓变种情况的均方差：，（），（）仿真结果及分析根据上述设定，分别进行基于常规 算法及自适应 算法的 组合导航系统性能仿真验证。图分别为位置误差、速度误差及姿态误差对比曲线。图位置误差 由图可见，在 内，量测噪声的实际均方差与正常情况完全一致，此时常规 算法与本文算法得到的各导航参数误差完全相同；而在 量测噪声的均方差发生突图速度误差 图姿态误差 变与缓变的个阶段内，本文算法得到的各导航参数误差明显小于常
9、规 算法。为了评估本文算法对 量测噪声均方差变化的跟踪能力，绘制本文算法对 位置量测噪声均方差的跟踪图（图）。由图可见，本文算法能实时跟踪并反映出 位置量测噪声均方差的变化情况，但有一定的滞后性。对于速度量测噪声均方差，本文算法得到的跟踪图与图相似。图 位置均方差跟踪图 为了详细说明 量测噪声均方差变化终止后各导航参数的误差变化情况，列出不同时大 地 测 量 与 地 球 动 力 学 年月段内部分导航参数的误差曲线（图、）。图 期间姿态误差曲线 图 期间速度误差曲线 由图、可见，本文算法能够实时跟踪 量测噪声均方差的变化，当 量测噪声均方差变化终止并回归正常状态后，本文算法得到的各导航参数也能够
10、快速收敛至正常状态，并最终达到与常规 算法相同的滤波精度。由图的姿态误差曲线可见，当 量测噪声均方差突变终止后，本文算法收敛速度较快。由图的速度误差曲线可见，当 量测噪声均方差缓变终止后，常规 算法收敛速度较快。综上所述，整体而言，本文算法的自适应性较强且性能高于常规 算法。结语在 组合导航系统常规 算法的时间更新及量测更新过程中引入变分贝叶斯估计理论，提出 组合导航系统的自适应 算法以提高系统在量测噪声统计特性发生变化时的滤波精度。仿真结果表明，该算法能有效跟踪量测噪声均方差的变化，提高组合导航系统的滤波精度。当量测噪声均方差变化终止时，该算法也能快速收敛至正常状态。相比于常规 算法，本文算
11、法优势明显。由于本文自适应滤波算法涉及到个参数，因此个参数对量测噪声均方差估计精度的影响规律是下一步的研究重点。参考文献洪志强无迹卡尔曼滤波的改进算法及其在 组合导航中的应用研究抚州：东华理工大学，（：，）田甜基于自适应 的 紧组合导航系统的应用 研 究 青 岛：青 岛 科 技 大 学，（：，）陈光武，程鉴皓，杨菊花，等基于改进神经网络增强自适应 的组合导航系统电子与信息学报，（）：（，（）：）吴涛，戴卿，匡秀梅，等组合导航数据融合自适应 算法研究西安航空学院学报，（）：（，（）：）马晓杰，林雪原，孙巧妍，等一种改进的 滤波算法在 组合导航系统中的应用研究大地测量与地球动力学，（）：（，（）：）付梦印，邓志红，张继伟 滤波理论及其在组合导航系统中的应用北京：科学出版社，（，：，），：，（）：，（）：，：，（）：（下转第 页）第 卷第期龙慧等：二维地震精细探测雄安新区 以浅地质结构 ，：，：；：，：，：，：（上接第 页），：，：；：，；，：，：，：
