《表2 仿真测试中导航源观测值变化设置》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于滑动窗迭代最大后验估计的多源组合导航因子图融合算法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

在仿真测试中，共产生了1 312 s的载体轨迹，轨迹中包括加速、减速、上升、下降、转向等多种载体运动方式，如图2所示为所产生的载体三维轨迹图和东向、北向、天向轨迹曲线。根据载体轨迹分别模拟产生了INS输出、GNSS输出、Li DAR导航系统输出和磁力计导航系统输出，各模拟导航源的详细规格如表1所示。为了验证各算法对导航源变化的处理性能，需要在各个子导航源中模拟观测量状态变化过程:对于Li DAR系统而言，轨迹中载体的上升与下降过程会导致Li DAR系统中用于地图匹配的特征点数量、匹配准确度下降，从而影响输出的载体位置精度[3]；对于GNSS与磁力计则人为地分别在特定时间段加入了偏置与噪声。为了更好地验证算法在不同子系统状态变化情况下的性能，在仿真实验中分别设置了两种测试方案:在方案1中各个时刻内有且只有1种子导航源状态发生变化，且变化方式均为突变；方案2中的子导航源状态变化形式更加复杂，在同一时段内最多有3种导航源同时发生变化，且变化形式也包含突变和渐变两种。表2展示了仿真实验中两种方案下各导航源的变化情况。在仿真测试中，分别应用本文所提出的IMAPFG算法、普通FG算法[10]、基于最大似然估计的因子图（MLEFG）算法[22]和基于传统最大后验估计的因子图（MAPFG）算法[19]对各个导航源输出数据进行融合，并比较融合结果。由于最大似然估计需要较大的样本空间才能得到较好的估计结果，对于MLEFG算法，每100个样本值才对各导航源的分布状态进行更新。在最大后验估计中，由于加入了先验信息，无需大量样本也能得到准确的估计值。在MAPFG算法中，每10个样本值就对导航源的方差和均值进行更新。IMAPFG算法的均值和方差是随着窗的滑动进行的，在仿真中3种算法的窗的大小都被设定为10，即每当产生10个观测值后进行因子图数据融合。另外，为了更符合实际情况，初始化的各子导航源的协方差矩阵都与仿真的数据有所偏差。