捷联惯导系统大失准角高斯过程回归初始对准
捷联惯性导航系统(Strapdown Inertial Navigation System,SINS)大失准角误差模型为非线性的,对其进行线性化易造成模型不准确,以至影响对准精度.针对这一问题,建立了SINS大失准角初始对准误差模型,为改善非线性模型下初始对准的精度,将高斯过程回归(Gaussian Process Regression,GPR)方法应用于SINS非线性初始对准,提出了一种基于GPR的SINS大失准角初始对准方法.该方法采用平方根容积卡尔曼滤波器(Square-RootCubature Kalman Filter.SRCKF)构建GPR训练样本,将SRCKF的量测作为样本输入,将SRCKF估计得到的失准角作为样本输出,然后利用GPR学习过程训练样本输入与输出问的非线性映射关系,从而实现对SINS失准角的辨识.仿真结果表明了新方法在初始对准中的有效性及可行性.
捷联惯性导航系统 误差模型 大失准角 高斯过程回归 非线性对准
赵曦晶 汪立新 何志昆 张博 赵晗
西安高技术研究所,西安710025
国际会议
长沙
中文
3114-3118
2014-05-31（万方平台首次上网日期，不代表论文的发表时间）