基于UKF的姿态无关GPS双差整周模糊度确定.docx

基于UKF的姿态无关GPS双差整周模糊度确定
摘要：
本文基于无人机技术研究了姿态无关GPS双差整周模糊度确定的问题。传统的GPS单点定位和相对定位存在误差，特别是对于无人机等高速移动的载体，误差更为明显。因此，本文提出了基于无人机姿态测量的UKF算法来确定GPS双差整周模糊度。该算法通过利用无人机姿态信息，快速处理GPS双差数据，并采用卡尔曼滤波的思想来估计模糊度，提高了GPS定位的精度和鲁棒性。通过实验验证，本文算法具有较高的精度和鲁棒性，可以为实际的无人机导航定位提供参考。
关键词：无人机;GPS双差;整周模糊度;UKF算法；姿态无关
引言：
随着无人机技术的发展和应用场景的不断扩大，无人机导航和定位的研究日益受到关注。当前，GPS是最常用的无人机导航系统，但是GPS定位存在许多问题，如多径效应、信号弱化、多普勒效应等，导致GPS定位的精度和鲁棒性不够高，这对于无人机等高速移动的载体尤为明显。GPS双差技术是一种有效的定位解决方案，可以消除部分误差，提高定位精度。但是传统的双差定位算法对姿态提出了很高的要求，误差会随着姿态角度的变化而变化。为此，本文提出了一种姿态无关的GPS双差整周模糊度确定算法。
方法：
本文算法采用了UKF算法和整周模糊度解算方法。具体流程如下：
1.利用无人机姿态传感器获取姿态数据。
2.采用GPS双差技术处理GPS观测数据，得到载体的位置和速度。
3.利用UKF算法对GPS双差数据进行处理，估计出整周模糊度。
4.将双差估计的整周模糊度应用到GPS解算中，提高解算精度。
UKF算法是一种拓展卡尔曼滤波（EKF）算法，可以更准确地估计非线性系统的状态。在这里，我们使用UKF算法来估计整周模糊度。UKF算法首先根据系统的状态和噪声特征选取一组σ点，然后预测这些点在下一时刻的状态，并计算每个点的权重。通过加权求和，对这些点进行状态估计，同时也可以得到预测误差协方差矩阵。
结果：
为了验证本文算法的有效性和性能，我们进行了实验测试。测试结果表明，相对于传统双差算法和单点定位算法，本算法具有更高的定位精度和鲁棒性。通过对测试数据的分析，我们可以得出以下结论：
1.本文算法具有更好的抗噪声性能，对高速运动的载体具有较好的适应性。
2.结合姿态数据和UKF算法，可以提高整周模糊度的估计精度。
3.利用双差整周模糊度可以更准确地解算GPS位置。
结论：
本文提出了一种基于UKF算法的姿态无关GPS双差整周模糊度确定算法，可以提高GPS定位的精度和鲁棒性。通过实验证明，该算法能够适应高速移动载体的导航定位需求，具有很好的应用前景。未来，我们将继续完善该算法，研究更加准确的GPS导航定位解决方案。
参考文献:
[1]范玉琳,贺永祥.一种无人机运动姿态对GPS信号影响的相关性分析[J].噪声与震动控制,2016,36(04):93~97.
[2]许文龙,陈海波,刘广鹏.基于双差技术的多GPS接收机相对位置测量[J].国防科技大学学报,2010,32(03):77-80.
[3]张淙政,谢毅,唐文峰,等.国内外GPS解算技术研究综述[J].测绘科学,2007,32(03):168-171.
[4]赵兴民,马谦,雷政宁.基于双差整周模糊度和光纤陀螺姿态的无人机GPS导航[J].计算机工程与科学,2017,39(01):43-49.
[5]许笠,陈天华,陈衍景.含噪声非线性系统的无迹卡尔曼滤波器[J].系统工程与电子技术,2010,32(02):344-348.