全球导航卫星系统脆弱性计算机仿真环境设计及其评估方法实现

设计并搭建了全球卫星导航系统(GNSS)脆弱性计算机仿真验证环境,并对GNSS信号传输环境的评估方法进行了计算机仿真实现;GNSS脆弱性仿真验证环境由空间信号环境子系统、空间段脆弱性仿真子系统、脆弱性评估验证子系统等组成,可提供包括GNSS信号传输全链路干扰的的仿真、验证与缓解;文章着重介绍了该仿真环境的系统构成及功能,对GNSS信号传输环境的评估方法进行了细分。并完成了脆弱性评估验证平台环境的软硬件实现,通过既定的评估方法及验证标准步骤及途径,完成了空间段脆弱性链路仿真,SAIM对星间链路的监测,GNSS脆弱性评估软件实现数据等结果分析,实验结果证明系统方案合理有效。     

车载低成本GNSS/SINS紧组合导航系统设计

针对GNSS/INS松组合导航系统在可见星数少于4颗的情况下无法正常工作的问题,设计了基于ARM的车载低成本GNSS/SINS紧组合导航系统。以AM3354为电路核心处理器,集成了惯性IMU MPU-9150和卫星接收模块NV08C-CSM。通过I2C和 UART接口完成数据采集,送入导航解算后经由SD卡和UART实现数据的保存与上传。系统算法采用离散扩展卡尔曼滤波进行紧组合的数据融合,在没有足够的卫星来计算独立GNSS参数时,也能够将卫星信号输入组合系统并辅助SINS。为验证系统可行性进行了实测跑车实验。结果表明,所设计的紧组合导航系统精度满足车载应用,较松组合算法表现出了更高的精度和稳定性。     

GNSS脆弱性环境仿真系统设计

设计了一种GNSS脆弱性环境仿真系统,该系统提供包括GNSS信号传输全链路干扰(GNSS电磁干扰、大气电磁环境、空间链路故障)的综合仿真。该系统主要由空间系统故障模拟器、欺骗/阻塞干扰器、信号模拟器、软件接收机及相应大气模型软件组成。该系统可实现GNSS系统不同脆弱性干扰场景下的仿真测试,产生干扰射频信号输出。介绍了系统主要模块的设计方案,并利用相应模块进行实验分析与效果显示,实验证明了各模块的有效性,系统方案的可行性。     

GPS车载导航系统的设计

GPS车载导航系统融合了车辆、交通、计算机、通信、系统科学等领域的相关技术,逐渐成为交通导航的重要工具。本设计以处理器为S3C6410A的开发板作为开发平台,采用Linux作为嵌入式操作系统,选用GPS模块GR-87采集GPS数据,对GPS车载导航系统的方案进行论证,介绍了GPS数据的获取、电子地图的生成和显示。以福建师范大学校园为实测环境,实现实时定位、动态路径规划等功能。     

基于博弈组合赋权的有源相控阵雷达收发组件脆弱性评估

面向有源相控阵雷达的核心部件—–T/R组件(transmit/receive module),提出综合脆弱性评估概念及其数学模型表达,给出定量评估的博弈组合赋权-优劣解距离方法.首先,从元件和系统两个层次出发分别构建脆弱性评估标准:利用元件自身物理特性建立故障树,基于蒙特卡洛仿真计算得到运行状态的物理脆弱性指标(即可靠性指标);根据系统的电路结构,建立其拓扑网络,计算结构脆弱性指标.然后,提出融合物理和结构的综合脆弱性评估数学模型,建立博弈组合赋权问题优化组合权重,结合优劣解距离法实现对T/R组件综合脆弱性的定量评估.实验结果表明, T/R组件的综合脆弱性不仅与各元件固有的可靠性水平相关,更与其系统的电路网络拓扑结构密不可分,所建立的综合脆弱性评估模型能够有效合理地辨识其薄弱环节.     

井下多传感器组合导航系统

针对井下车辆高精度惯性导航成本较高、低成本MEMS惯性传感器漂移较大等问题,提出一种井下多传感器组合导航系统,该系统通过蓝牙测距信息、MEMS惯性传感器及车载里程计信息进行组合导航。利用卡尔曼滤波技术融合多传感器数据,结合蓝牙测距信息抑制MEMS惯性传感器漂移,提高车载惯性传感器在一段时间内的定位精度;通过MEMS惯性传感器预测车辆位置,有效滤除干扰标签的蓝牙信号,提高数据可靠性;融合车辆里程计数据后,定位结果更加稳定可靠。测试结果表明,在井下蓝牙标签间隔10m布站情况下,每10m定位误差在3.2m以内,能够满足井下导航要求。     

基于ARM与DSP的车载组合导航系统的设计

本文通过基于ARM与DSP车载组合导航系统的设计与实现,这一系统确立DSP当成导航解算计算机,将快速融合和解算处理导航数据完成;确立的上位机是ARM处理器,实现控制输出入和显示、存储导航系统等;按照配置系统硬件条件,最终实施车载实验,以便可以对设计的导航系统的软硬件可靠性与正确性予以验证.     

基于Android平台的车载导航系统的研究与设计

为缩短嵌入式车载导航系统开发进程,提高系统维护和升级能力,研究了Android平台的特点以及车载导航系统的性能需求,提出在andriod平台基础上,结合baidu map,设计一个基于Android平台的车载导航终端系统;实验结果表明,该系统实现了车辆自我定位、地图查询、路径规划和导航;经过严格测试,系统运行良好.     

基于FPGA_ARM的车载导航系统设计与实现

针对由航向参考系统(AHRS)和全球定位系统(GPS)构成的车载组合导航系统在接收多通道异步收发器(UART)的数据帧时容易被截断或丢失问题,设计了一种基于FPGA和ARM处理器的车载导航系统。采用FPGA实现系统各单元间逻辑控制、UART数据接收、参数解算和SD卡存储设计,ARM处理器更关注于参数融合估计和导航计算。从而降低了数据接收和参数解算的时间延迟,使得导航系统在执行参数估计和导航控制的同时,完成了多通道异步串口实时接收、解算和存储任务。车载实验表明,该系统能够完成车辆自主导航,提高了导航精度。     

一种高精度车载坡度检测仪的研制

针对现有车载坡度检测技术缺陷,提出了一种高精度车载道路坡度检测仪的设计及实现方案。该检测仪由主控节点和多个检测节点组成,检测节点通过三轴加速度传感器检测与地面倾角,并将其发送给主控节点;主控节点收集各检测节点数据,对其进行数据融合得到坡度的最优估计值。通过仿真和实验验证了方案的可行性,设计成果可广泛应用于车载导航系统中。     

基于NARX神经网络辅助组合导航方法研究

为解决短时全球导航卫星系统(GNSS)失效造成车载组合导航系统导航精度下降的问题,提出一种NARX神经网络辅助的组合导航方法。对神经网络辅助导航的原理进行了分类,并分析了神经网络可利用的输入输出信息,提出一种根据惯性测量单位(IMU)测量信息和惯性导航解算信息对GNSS位置速度增量进行预测的方法。通过实测数据实验验证了方法的有效性,GNSS失效60 s期间,导航最大位置误差5.1 m、最大速度误差0.15 m/s。     

Multi-sensor Optimal Data Fusion for INS/GNSS/CNS Integration Based on Unscented Kalman Filter

This paper presents an unscented Kalman filter (UKF) based multi-sensor optimal data fusion methodology for INS/GNSS/CNS (inertial navigation system/global navigation satellite system/celestial navigation system) integration based on nonlinear system model. This methodology is of two-level structure: at the bottom level, the UKF is served as local filters to integrate GNSS and CNS with INS respectively for generating the local optimal state estimates; and at the top level, a novel optimal data fusion approach is derived based on the principle of linear minimum variance for the fusion of local state estimates to obtain the global optimal state estimation. The proposed methodology refrains from the use of covariance upper bound to eliminate the correlation between local states. Its efficacy is verified through simulations, practical experiments and comparison analysis with the existing methods for INS/GNSS/CNS integration.     

高斯干扰下GNSS信号码跟踪精度分析

码跟踪精度是导航系统兼容互操作评估的重要参数。为定量分析高斯干扰下GNSS信号的码跟踪精度,从常见的高斯干扰信号出发,针对CELP,NELP及DP环路模型,基于MATLAB软件对GNSS信号的码跟踪精度进行仿真分析,并给出了NELP及DP环路的CT-SSC表达式,同时对环路模型的CT-SSC及Cramer-Rao下界进行分析。仿真结果表明:在相同条件下,GNSS信号的码跟踪误差受高斯窄带干扰及宽带干扰比较明显,而在一定信干比范围内,受高斯匹配谱干扰和带限白干扰比较稳定;在DP环路下,GNSS信号的CT-SSC三维曲面较CELP及NELP显得“平滑”,相应的跟踪性能也最好。对GNSS信号的码跟踪性能进行分析,有助于给GNSS系统的兼容与互操作评估及现代GNSS接收机的设计提供重要参考;给出的NELP及DP的码CT-SSC表达式,可作为与CELP的CT-SSC进行并行分析的参照依据。     

Review for Multipath Facts in the Realm of Weak GNSS Signal

One of the most significant problem pending to be mitigated for satellite navigation at indoor environments is the multipath errors. At indoor environments,weak GNSS signals should be acquired and tracked by the GPS receivers,this paper will give a review of the facts in multipath and its main influence in the GNSS navigation systems. Investigation in this field are not new,understanding and mitigating multipath effects on GPS receivers will lead to an important level where the system can be used within a d...     

智能车双目视觉辅助GNSS定位方法研究

具有精确、稳定的定位结果以及合理的价格是未来的智能车辆导航系统的发展趋势。为了达到这个目标,人们建立了多种组合导航模型（GNSS/DR,GNSS/INS,GNSS/MM）。尽管这些模型已在多种不同环境中成功应用,但它们仍有许多缺陷,尤其是在全球卫星导航系统（GNSS）定位精度受到威胁的区域。研究了一种通过双目视觉利用路标的地理位置信息对GNSS定位精度进行局部改良的方法。随机霍夫变换用于路标检测,SIFT算法与K均值算法将用于路标的匹配识别。双目视差计算智能车与路标之间的向量,从而建立辅助定位模型计算车辆的位置。利用实验车在一处复杂环境区域进行实时数据采集,通过计算出的双目视觉定位误差与GNSS定位误差对比分析,验证了该方法在路标可见范围内对GNSS定位结果有明显改善。     

新的改进K均值粒子群算法在组合导航的应用

在捷联惯导/卫星导航（SINS/GNSS）紧组合导航系统的非线性非高斯高动态模型中,一般K均值粒子群优化（PSO）算法易出现粒子退化、滤波发散等问题。针对上述问题,提出一种融入权值修正的K均值粒子群滤波方法。通过观测SINS/GNSS紧组合导航系统的精度因子(GDOP),来修正粒子权值,从而修正每个K均值的聚类中心的权重,进而优化粒子;并结合SINS/GNSS紧组合导航系统模型进行了仿真分析。结果表明在非线性非高斯高动态的情况下,该改进算法有效地抑制了滤波发散,提高了精度。     

一种新型GNSS/MEMS紧组合导航系统设计

针对探空火箭在高动态与非线性环境下高精度导航问题,基于DSP6747+FPGA双核构架,设计了一种低成本的新型GNSS/MEMS一体化紧组合导航系统。同时,在直接法滤波的基础上采用了改进的自适应渐消扩展卡尔曼粒子滤波(PF-AFEKF)算法,解决了粒子退化问题并充分利用了当前观测信息以及自适应权重因子抑制了滤波发散,实现了高动态、非线性状态下的GNSS/MEMS深度信息融合。最后,进行了地面跑车试验,试验结果证明了所设计的低成本GNSS/MEMS紧组合导航系统具有较高的导航精度,容错能力强。     

基于短时LS-SVM的GNSS铁路路基沉降监测数据分析研究

在GNSS(全球导航卫星系统)铁路路基沉降监测中,卫星信号受到周围环境的影响,同时实时监测中数据传输的不可靠性,导致监测结果往往有很强的不稳定性,有效地剔除粗差能提高GNSS监测的可靠性.鉴于最小二乘支持向量机有很强的非线性运算能力与数据拟合能力,建立短时最小二乘支持向量机铁路沉降数据预测模型,在监测中融合该模型,提高监测的有效性.分别运算该模型对山西中南部铁路通道重载综合试验地的3个监测点进行了分析处理,结果表明融合短时最小二乘支持向量机的预测模型有效抑制了GNSS监测中的离散误差,提高了GNSS监测系统的可靠性与稳定性,为铁路路基沉降监测提供了更为有效的手段.     

An adaptive constrained type-2 fuzzy Hammerstein neural network data fusion scheme for low-cost SINS/GNSS navigation system

In low-cost micro-electro mechanical system (MEMS)-grade strap-down inertial navigation system (SINS), failure to compensate inertial sensors errors as well as un-modeled uncertainties in SINS could result in exponentially divergence in overall performance of low-cost SINSs. This study deals with the enhancement of low-cost SINS accuracy in combination of global navigation satellite system (GNSS). In this respect, a novel adaptive constrained integrated scheme for SINS/GNSS is developed based on type-2 fuzzy Hammerstein neural network (T2FHNN). To this aim, a gray-box Hammerstein neural network model are defined based on clear interpretation with the physical nature of the inertial sensors error. In addition a knowledge-based type-2 fuzzy programming extracted from inertial sensors data is also used for managing the learning rate of Hammerstein neural networks. Some vehicular real-world tests have been carried out in order to show the effectiveness and feasibility of the proposed integration scheme in the long-term performance and accuracy of the proposed navigation algorithm. The results indicate that the proposed integration algorithm improved the navigation accuracy, reliability and stability in the presence of state constraints of the stand-alone SINS during signal blockage of GNSS.