17、基于协作观测的分层协作导航算法解析

基于协作观测的分层协作导航算法解析

在航空导航领域，精确且可靠的导航系统至关重要。基于协作观测的分层协作导航算法为解决导航误差、提高导航精度提供了一种有效的途径。本文将深入探讨该算法的模型构建和融合过程。

1. 基于协作观测的弹性融合模型

在分层协作导航结构中，航空集群成员被分为待辅助的标签成员和作为参考的锚点成员。从标签成员机载导航系统的误差角度出发，构建状态方程和测量方程。

1.1 机载导航系统的状态方程

对于集群中的第 $i$ 个标签成员，其状态方程为：
$\mathbf{X} i(k) = \boldsymbol{\Phi}_i(k, k - 1)\mathbf{X}_i(k - 1) + \boldsymbol{\Gamma}_i(k, k - 1)\mathbf{W}_i(k - 1)$
其中，$\boldsymbol{\Phi}_i$ 是惯性导航系统（INS）误差的状态转移矩阵，$\boldsymbol{\Gamma}_i$ 是 INS 的噪声输入矩阵，$\mathbf{W}_i$ 是具有协方差 $\mathbf{Q}_i$ 的 INS 噪声向量，$\mathbf{X}_i$ 是 INS 的误差向量，可定义为：
$\mathbf{X}_i(k) = \begin{bmatrix} \boldsymbol{\phi}_i & \delta\mathbf{v}_i & \delta\mathbf{p}_i^{LLA} & \delta t_i & \boldsymbol{\epsilon}_b & \boldsymbol{\epsilon}_r & \nabl