《自适应动态导航定位(第二版)》系统地阐述了新近发展起来的抗差自适应导航定位理论和算法,包括贝叶斯导航解算理论、序贯导航解算理论、抗差导航解算理论、函数模型补偿法、随机模型补偿法、有色噪声补偿法、自适应滤波导航解算理论、抗差自适应滤波解算理论、自适应组合导航算法等,将抗差估计、误差探测、自适应滤波、信息融合等学科理论融合于一体,形成一套自成体系的动态导航定位理论和算法。
《自适应动态导航定位(第二版)》主要取材于作者所从事的多个国家自然科学基金项目的科研成果,是一部理论联系实际的研究专著。内容新颖,叙述深入浅出,并具有较强的系统性,可作为导航定位及大地测量等高年级本科学生和研究生的教材,也可供相关科研和工程技术人员参考。
动态导航定位是航空和航天飞行器导航与定轨、航海舰船和陆地车辆导航与定位、远程武器巡航与控制的重要手段,也是一种快速的大地测量定位手段。国内外已广泛开展动态导航与定位理论、方法与器件的研制。动态导航定位的质量不仅取决于导航手段、器件的精度和可靠性,同时也取决于导航计算理论和方法的严密性、合理性和可靠性。
运动导航定位一般应用Kalman滤波算法。但是标准Kalman滤波有两个明显的缺点:一是当载体本身发生突变或产生较大扰动加速度时,载体的先验状态方程不能可靠地预测载体的未知状态;二是Kalman滤波受到参数初值的影响十分明显,初值不可靠,则最终解必然受到歪曲。针对Kalman滤波存在的问题,许多学者提出了多种改进措施,如序贯统计检验与修复技术,单历元观测信息平差技术,附加模型参数误差补偿技术,随机模型不确定度重估技术,遗忘记忆滤波技术等。
序贯统计检验并未从本质上解决问题。首先,状态扰动和观测异常非常复杂,难以判别,而且异常误差常使统计检验量和置信域异常,以此为基础很难检验出载体的运动状态和观测信息的异常;其次,大宗动态数据流很难用统计检验法逐一加以检验和剔除,所以,序贯误差检验技术也很难进行实时导航与定位计算。
单历元平差技术是一种根本不考虑动力学模型方程信息的导航数据处理技术。它不考虑载体的运动方程所提供的先验位置或运动信息,而仅利用当前历元的观测信息。如此,载体的非平稳扰动将不对当前载体的状态估计产生明显影响,而且参数的初值也不明显影响当前状态的求解。然而,利用这种单历元平差技术不能充分利用载体的运动状态的有利信息。尤其当载体处于平稳状态时,这种数据处理技术会大大损失精度。另一方面,这种单历元平差技术要求载体每个运动历元都必须有足够的观测信息,即必须至少能同时获得6个以上可靠观测信息(假设只求解动态载体的三维位置和三个速度分量)。若观测信息不足,则状态参数的解算将会出现秩亏。所以这种平差技术往往造成部分历元无解。
附加模型误差补偿技术是一种解决模型误差的较理想的方法,即在模型方程中附加参数补偿模型误差对动态载体导航结果的影响。但是增加多少参数,如何增加参数均具有不确定性,且增加参数后必然增加方程解算负担。
随机模型补偿一般采用前优步残差序列或新息序列估计观测向量的协方差矩阵和动力模型误差协方差矩阵。这种协方差矩阵重估技术适合于载体运行的平稳状态,当载体处于高动态且具有较大扰动时,这种开窗估计法求得的协方差矩阵有时不能可靠表征动力学模型的误差状态。
创建了一套全新的动态自适应抗差滤波理论体系,研究了相应解的性质,其理论模型兼容了最小二乘平差、抗差平差、动态滤波、抗差滤波、自适应滤波。该理论与方法除自适应地平衡动态观测信息和动态模型信息对导航解的贡献外,还能自适应地估计任意历元观测量的权。在单因子自适应滤波的基础上,探讨了多因子自适应滤波和分类因子自适应滤波理论。
构造了三种动态自适应因子,即三段函数、两段函数和指数函数。它们分别适合于整体解模型和递推解模型,均能控制载体动力模型误差的影响。构造了三种不同的学习因子,即方差比函数、状态不符值函数和预测残差函数。它们分别适合于有多余观测和无多余观测情形,均具有学习功能,均能判断动态载体的运动状态。在此基础上创建了最优自适应滤波理论。
构造了Sage滤波与自适应滤波组合的导航解算方法,使状态在平稳运动时白适应地采用Sage自适应滤波法,而当载体运动不平稳时则自动采用自适应因子进行调整。
构造了基于方差分量估计的自适应滤波理论,该理论将方差分量估计与自适应滤波有机融合在一起,吸收了Sage滤波和方差分量估计的双重优点,保证了高精度的滤波结果。
建立了卫星轨道的自适应定轨理论与方法,提出了一种综合Sage滤波和自适应抗差滤波的新的轨道计算方法。它包容了几何定轨、动力学定轨和半动力学定轨方法。结果表明,新的抗差自适应定轨理论与算法不仅计算简单,而且能有效地控制观测异常和卫星动力学模型误差对卫星轨道参数估值的影响。
最后对融合导航理论进行了介绍,首先介绍了国内外常用的联邦滤波理论,讨论了本书新建立的动静态滤波技术,基于局部传感器抗差导航解的数据融合技术,基于方差分量估计的多传感器融合导航技术,自适应融合导航技术等。
本书尽管是一本研究专著,但对常用导航理论和算法具有很强的继承性和兼容性。本书适合于从事导航理论与算法研究的科研人员和工程技术人员参考,也适合于从事大地测量和导航的研究生和高年级本科生阅读。
本书在撰写过程中,得到国家杰出青年基金NO.49825107和多项国家自然科学基金的大力支持,得到西安测绘研究所领导与同事们的极大支持与鼓励,郑州测绘学院的宋力杰、何海波教授阅读了原稿,并提出了许多有价值的修改意见,徐天河、高为广、崔先强、张双成、冯来平及许多其他未提及的同学和朋友给予作者许多宝贵的帮助,我的研究生们做了大量的试验、计算和文字录入工作。在此一并表示衷心的感谢!
由于作者水平有限,错误、遗漏和其他不足之处在所难免,恳请读者批评指正。
第一章 概论
§1.1 卫星导航系统的发展及其影响
§1.2 惯性导航
§1.3 融合导航
§1.4 导航计算方法综述
第二章 贝叶斯估计理论
§2.1 贝叶斯定理
§2.2 参数的先验密度函数
§2.3 参数无先验信息的贝叶斯估计
§2.4 参数具有先验信息的贝叶斯估计
第三章 序贯导航定位解算原理”I
§3.1 一般性描述I
§3.2 序贯静态最小二乘参数平差
§3.3 序贯最小二乘条件平差
§3.4 具有运动方程的序贯最小二乘导航解
§3.5 各观测历元均有独立参数的序贯导航解
§3.6 部分增加参数的序贯导航解
§3.7 顾及状态方程及增加参数的序贯导航解
§3.8 顾及状态方程及减少参数的序贯导航解
第四章 卡尔曼滤波
§4.1 滤波的基本概念
§4.2 动力学模型和观测模型
§4.3 Kalman滤波一般解算原理
§4.4 Kalman滤波新息向量及其性质
§4.5 噪声互相关情况下的滤波
§4.6 Kalman滤波简单小结
第五章 运动载体的动态模型
§5.1 概述
§5.2 CV模型
§5.3 CA模型
§5.4 变加速模型
§5.5 基于多种观测信息的状态方程
第六章 导航解算中的误差探测、诊断与修复
§6.1 概述
§6.2 误差探测
§6.3 误差诊断
§6.4 模型修复
§6.5 动态Kalman滤波模型误差的影响
§6.6 Kalman滤波异常误差检测
第七章 抗差估计理论介绍
§7.1 抗差估计综述
§7.2 抗差M估计原理及影响函数
§7.3 参数平差模型的抗差解
§7.4 抗差估计的验后方差一协方差估计、
§7.5 双因子相关观测抗差估计理论
第八章 动态抗差导航解算理论
§8.1 概述
§8.2 静态序贯抗差估计解
§8.3 动态序贯抗差估计解
§8.4 抗差贝叶斯估计
§8.5 抗差Kalman滤波
§8.6 附有条件的抗差滤波
第九章 随机模型误差补偿法
§9.1 概述
§9.2 附加方差协方差矩阵滤波算法
§9.3 模型误差协方差矩阵的自适应估计
§9.4 先验协方差矩阵的开窗估计法-Sage-Husa滤波法
……
第十章 函数模型误差补偿法
第十一章 含有色噪声的滤波
第十二章 抗差自适应滤波
第十三章 自适应因子模型
第十四章 抗差自适应滤波理论在导航定位中的应用
第十五章 GPS导航著千实际问题
第十六章 融合导航理论
参考文献