• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文期刊>Aerospace science and technology >A new direct filtering approach to INS/GNSS integration
【24h】

A new direct filtering approach to INS/GNSS integration

机译：INS / GNSS集成的新直接过滤方法

获取原文
获取原文并翻译 | 示例
           
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

This paper presents a novel direct filtering approach to INS/GNSS (Inertial Navigation System / Global Navigation Satellite System) integration. This approach establishes a kinematic model for INS/GNSS integration by combining inertial navigation equations and IMU (Inertial Measurement Unit) error equations. Subsequently, a refined strong tracking unscented Kalman filter (RSTUKF) is developed to enhance the UKF robustness against kinematic model error. This RSTUKF adopts the strategy of assumption test to identify kinematic model error. Based on this, a suboptimal fading factor (SFF) is derived and embedded in the predicted covariance to weaken the influence of prior information on the filtering solution only in the presence of kinematic model error. In addition to correction of the UKF estimation in the presence of kinematic model error, the RSTUKF also maintains the optimal UKF estimation in the absence of kinematic model error. Simulation and experimental analysis demonstrate the performance of the proposed approach to INS/GNSS integration. (C) 2018 Elsevier Masson SAS. All rights reserved.
机译：本文提出了一种新颖的直接滤波方法，用于INS / GNSS（惯性导航系统/全球导航卫星系统）集成。这种方法通过组合惯性导航方程和IMU（惯性测量单元）误差方程，建立了INS / GNSS集成的运动学模型。随后，开发了改进的强跟踪无味卡尔曼滤波器（RSTUKF），以增强UKF抵抗运动学模型误差的鲁棒性。该RSTUKF采用假设检验的策略来识别运动学模型误差。基于此，仅在存在运动学模型错误的情况下，得出次优衰落因子（SFF）并将其嵌入到预测的协方差中，以减弱先验信息对滤波解决方案的影响。除了在存在运动学模型错误的情况下校正UKF估计值之外，RSTUKF在不存在运动学模型错误的情况下也保持最佳UKF估计值。仿真和实验分析证明了所提出的INS / GNSS集成方法的性能。 （C）2018 Elsevier Masson SAS。版权所有。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号