抗差自适应EKF在INS/GNSS紧组合中的应用

针对惯性/卫星紧组合导航中卫星观测数据存在粗差,影响组合导航系统定位精度,同时考虑到卫星少于4颗和卫星几何分布不佳对预测残差构造自适应因子的影响,提出了一种抗差自适应EKF紧组合算法。该算法给出惯性/卫星紧组合状态方程与观测方程,抗差等价权因子和预测残差法构造自适应因子的计算公式,并给出卫星少于4颗和卫星几何状态分布不佳情况下自适应因子的计算方法。通过车载实测数据对算法进行验证与分析,实验结果表明,基于抗差自适应EKF的惯性/卫星紧组合算法可有效削弱卫星粗差观测值的影响,在可见卫星数少于4颗和卫星几何分布不佳的状态下,依据该算法获取的系统导航精度得到进一步提高。     

GNSS多星定位数据的质量分析

重点对北斗卫星(BDS)、双星(GPS/GLONASS)和多星(BDS/GPS/GLONASS)定位数据的多路径效应、电离层延迟、数据利用率与信噪比、卫星可见数和精度因子PDOP值等几个方面进行比较分析.试验分析表明:多星融合的平均mp1和mp2相比BDS单系统分别减小了18%和8%,多星融合增加的卫星在一定程度上可以相互补偿从而削弱多路径效应对定位结果的影响;当高度截止角大于40°时,单系统无法满足导航定位的需求,而多星融合因其可见卫星数增多,仍然可以得到较低且比较稳定的PDOP值,提供了高精度的定位服务.     

基于联邦滤波的INS／GPS组合导航系统数据融合研究

针对INS导航定位的精度低、GPS导航定位的非自主性,采用INS／GPS组合导航的方式,重点阐述了系统模型的建立,在Matlab／Simulink平台下对系统进行仿真实验时,采用了基于无重置的联邦卡尔曼滤波器的组合方案,实验表明了组合系统比任何单一的导航系统的定位精度都要高,是一种可行的导航方法．     

GPS/INS动态卡尔曼滤波优化算法

GPS/INS组合导航系统动态定位数据的随机误差消除的重要方法是卡尔曼滤波,但运用扩展卡尔曼滤波器进行动态定位滤波时,需要对系统模型和观测模型以及误差模型进行准确建模,特别是载体状态机动时滤波器跟踪能力不强。提出一种GPS/INS组合导航动态卡尔曼滤波的优化算法,引入遗忘因子限制卡尔曼滤波器的记忆长度,充分利用现时的测量数据,改善滤波器的动态性能,并进行计算机仿真实验。仿真结果表明,遗忘因子增加,滤波器的跟踪能力增强,使滤波器达最佳性能。该优化算法比普通的扩展卡尔曼滤波算法的动态跟踪性能好,从而可显著提高导航系统定位精度。     

北斗车辆自适应组合导航技术研究

车辆在“城市峡谷”、高架桥下、隧道等环境利用北斗卫星导航系统进行导航过程中,存在卫星导航信号易受遮挡和干扰的局限性.将北斗卫星导航系统同惯性导航系统、里程计等传感器进行组合,运用Kalman滤波技术进行多传感器的信息融合,能够较好地提高导航精度以及导航系统整体的自主性、抗干扰性、容错性和可靠性.针对现有车辆导航系统可靠性不高的问题,着重对基于Kalman滤波的北斗车辆自适应组合导航可靠性进行了相关研究.     

伪卫星空中基站定位高性能算法研究

伪卫星作为卫星导航系统的重要增强手段,能够克服卫星系统在导航定位及武器精确制导方面存在的缺点。针对伪卫星空中基站位置不易精确确定的问题,设计了临近空间伪卫星空中基站定位SINS/CNS/SAR组合导航系统,建立了组合导航非线性数学模型;在吸收抗差自适应滤波、高斯滤波和粒子滤波优点的基础上,提出了一种抗差自适应高斯混合Sigma点粒子滤波算法。将提出的算法应用于SINS/CNS/SAR自主导航系统进行计算仿真,并与Unscented卡尔曼滤波和粒子滤波比较,结果表明:提出的新算法能够满足伪卫星空中基站自主导航定位的需求,导航精度明显高于Unscented卡尔曼滤波和粒子滤波算法。     

基于UKF的海底集矿车组合导航研究

针对扩展卡尔曼滤波(EKF)在海底集矿车组合导航系统应用时存在着计算复杂、线性化误差大等问题,基于附加打滑参数的履带车运动学模型,将无色卡尔曼滤波(UKF)用于集矿车长基线声学导航(LBL)与推算导航(DR)的组合导航系统中.考虑到测量数据时延,组合导航系统融合LBL与DR信息,得到海底集矿车位置估计.研究结果表明:采用EKF方法,测量数据时延0,0.5,2s时,东向定位精度为0.14,0.32,0.48m,北向定位精度为0.13,0.28,0.44m;采用UKF方法,测量数据时延0,0.5,2s时,东向定位精度为0.10,0.26,0.37m,北向定位精度为0.09,0.24,0.34m.测量数据时延越短,EKF,UKF的位置估计效果都会越好.但与EKF方法相比,UKF方法能够明显减少组合导航系统的线性化误差,提高海底集矿车导航系统的精度与稳定性.     

北斗卫星导航系统定位精度探讨

北斗卫星导航系统,需实现高标准的定位精度,以便达到导航的需求。北斗卫星导航系统,定位精度与全球定位系统相同,采用同样的计算方法,以免影响导航系统定位的准确度。本文主要探讨北斗卫星导航系统的定位精度。     

一种有效的组合导航容错滤波技术研究

为解决INS/多天线GNSS/MHS/DNS组合导航系统,一个或多个传感器的导航信息出现错误,导致整个组合导航系统定位精度严重下降甚至无法定位的问题,提出一种多模式联邦高斯和粒子容错滤波技术,提高组合导航系统的鲁棒性。该滤波技术基于无重置联邦滤波结构,考虑到组合系统的非线性非高斯特性,局部滤波采用高斯和粒子滤波算法,以提高滤波精度,同时利用粒子似然函数方法,进行局部滤波器故障检测并隔离,进而,根据检测与隔离结果,进行全局滤波模式切换与全局最优估计,最终得到精确可靠的导航信息。仿真分析结果表明,多模式联邦高斯和粒子容错滤波技术是有效的,在多个子系统出现故障情况下,组合导航系统仍能提供精确的导航信息。     

基于联合卡尔曼滤波的GPS/DR融合仿真

目的 研究GPS(Global Positioning System)与DR(Dead Reckoning)组合导航融合技术,使AGV获得更加稳定可靠的导航定位数据.构建出适用于GPS/DR组合导航系统的联合卡尔曼滤波器.方法 在GPS(全球定位系统)基础上增加DR(航位推算系统)用以辅助GPS定位.采用randn()函数作为随机数发生器,基于MATLAB软件对联合卡尔曼滤波融合算法进行理论分析及仿真研究.创新性的提出系统补偿系数G,将它用于联合卡尔曼滤波中,使得滤波效果可人工调控.结果 设计出适用于AGV的GPS/DR组合导航系统联合卡尔曼滤波器,建立MATLAB仿真模型.在MATLAB仿真模型中AGV行驶路程为50 m,GPS导航误差范围为6m,信号波动较大.DR导航最大误差为1.8m,误差逐渐累积,结果不收敛.GPS/DR组合导航系统误差为0.2m,信号波动平稳,结果收敛.结论 GPS/DR组合导航系统即克服了GPS信号的遮蔽问题,又充分利用了DR的短时高精度自主定位的优势.仿真结果表明,该方法在保证了系统定位精度前提下,有效提高了系统的容错性和工作可靠度.     

GPS／伪卫星相对定位中伪卫星优化布设模型研究

分别阐述了GPS绝对定位精度因子（PDOP,HDOP,VDOP）与相对定位精度因子（PRDOP,HRDOP,VRDOP）的相关理论,并进行了相应的公式推导,系统比较了两种定位因子的异同点,说明了采用相对定位因子作为相对定位中伪卫星布设依据的必要性;在此基础上,建立了以高度角、方位角和观测时间为自变量,双差相对精度因子为因变量的四维模型,论述了运用该模型进行伪卫星优化布设的具体步骤。并分别以PPDOP和PRDOP为例,通过实测数据对模型进行测试和分析。结果表明：PDOP与PRDOP具有相似的变化趋势,但其局部不一致;建立的四维模型为PRDOP的变化趋势进行了全时空显示,为高效的伪卫星选址工作提供了可靠的依据,实现了伪卫星的最优化布设。     

高空长航时无人机导航系统研究

以高空长航时无人机为研究背景,从我国国情出发,对捷联惯性导航系统(SlNS)、全球定位系统(GPS)、"北斗"卫星导航系统(BDSNS)和大气数据系统(ADS)在高空长航时无人机导航系统中应用的可行性进行了分析,在此基础上提出基于自适应联邦滤波的SINS/GPS/BDSNS/ADS组合导航系统方案,建立了组合导航系统的状态方程和量测方程,给出了自适应联邦滤波算法,并设计开发了组合导航仿真系统.通过对GPS被关闭或限制使用等典型情况的计算机仿真,表明该系统具有较高的导航精度和良好的可靠性.     

基于地图匹配的自主导航算法

已知环境下为弥补卫星信号丢失带来的导航精度下降问题,提出了基于地图匹配的组合导航算法。自主导航系统采取INS/GPS组合方案,在GPS信号有效时,建立基于道路约束的环境地图,GPS信号无效的时候利用已建立的环境地图辅助惯性导航,减少导航误差。通过实测数据,针对GPS信号无效的情况进行了计算机仿真,给出了实际路试结果。结果表明,新算法有效提高了导航精度。     

联邦卡尔曼滤波在水下航行器组合导航系统中的应用

为了提高水下航行器的导航定位精度,设计了以捷联式惯性导航系统、地形匹配、多普勒计程仪等构成的组合导航系统,建立了各子导航系统的误差模型,采用联邦滤波技术对水下组合导航进行信息融合,建立了水下组合导航系统的观测方程并进行了计算机仿真.仿真结果表明:使用联邦卡尔曼滤波技术进行信息融合提高了组合导航系统定位精度和定位可靠性,能满足水下航行器高精度和高可靠性的要求.     

AGV用GPS/DR组合导航信息融合

目的 研究一种满足室外自动导引小车(AGV)导航要求的高精度、低成本的组合导航系统.方法 应用信息融合技术,通过航位推算系统辅助GPS定位,并采用卡尔曼滤波的融合算法,克服了GPS信号的遮蔽与中断问题,使组合系统能够较好地满足AGV导航定位的需要.用VC ++编写融合算法以及实验控制程序,实现了实验数据的采集以及对AGV的运动控制.结果 给出了GPS单独导航和GPS/DR组合导航两种工作状态下的位置误差,从对比中可以看出,组合导航系统的定位精度比GPS单独导航的定位精度提高了50%.结论 组合导航系统可以减小甚至消除推算定位系统随时间积累的误差,并在任何情况下能较好地实现AGV的实时、可靠、准确定位.     

基于ARM的SINS/GNSS紧组合导航系统设计

针对全球导航卫星系统(GNSS)信号受到干扰失锁导致可见卫星数目少于4颗时,捷联惯性导航系统(SINS)/GNSS松组合系统无法正常运行问题,设计了基于ARM的SINS/GNSS紧组合导航系统,并对该系统建立非线性模型.首先以三星Exynos4412作为电路核心处理器,集成IMU模块MPU9250和卫星接收模块MH16-T1,同时搭建硬件系统.采用无迹卡尔曼滤波算法进行紧组合数据融合,在GNSS信号受到干扰时也能用GNSS信号辅助SINS进行组合导航.最后通过样机车载测试表明,设计的SINS/GNSS紧组合系统比松组合系统具有更高的导航精度与稳定性,即使在GNSS信号受到干扰失锁时,紧组合系统短期内仍可保持较高的导航精度.     

改进神经网络辅助的GPS/INS组合导航算法

针对全球定位系统(GPS)和惯性导航系统(INS)组合系统中GPS中断时,导航性能会急剧降低的情况,提出了一种改进径向基神经网络结合自适应滤波辅助的组合系统导航算法.该算法探讨了遗传算法参数寻优和最近邻聚类学习算法,解决了径向基神经网络训练中参数合理选取的问题,构建了INS加速度增量、姿态增量与GPS位移增量之间的非线性映射模型.当GPS出现故障时,利用该映射模型和改进的自适应滤波实时预测出GPS伪位置与其对应的协方差,进而计算出预测位置辅助的导航解,利用实测数据对算法进行验证.结果表明:GPS发生故障情况下,改进径向基神经网络算法能够辅助组合系统解算出稳定的次优导航解,其精度明显优于纯INS导航.     

GNSS/INS自适应智能组合导航算法

介绍了全球卫星导航系统/惯性导航系统(GNSS/INS)自适应智能组合导航算法并进行分类。根据不同方向和侧重点的自适应组合导航算法,将每一类自适应组合导航算法进行细分和比较。详细介绍了各分类中具有代表性的算法,分析了算法的优缺点。指出了自适应组合导航算法研究过程中面临的困难和挑战,展望了该研究领域的发展趋势。     

低成本MIMU/GPS组合导航系统设计与实验

高精度惯性传感器的昂贵价格在一定程度上限制了惯性导航系统(INS)的进一步推广应用,然而低成本微型惯性测量单元(MIMU)的出现,为INS的推广应用了带来了新的契机。文中提出了一种适合于工程应用的低成本MIMU/GPS组合导航系统的结构与方案,并给出了组合导航系统位置速度交替组合模式的数学模型。考虑到未知工作环境中各类噪声统计参数的未确定性易使经典的卡尔曼滤波器发散,因此文中采用了闭环自适应卡尔曼滤波器对子系统的数据进行融合处理;设计了低成本的组合导航系统原理样机,并进行了跑车实验。跑车实验及事后数据处理分析结果表明:该系统具有较高的长时间导航精度以及良好的可靠性和鲁棒性。     

INS/GPS组合导航联邦滤波器的仿真研究

为了研究平台式惯导INS(interialnavigationsystem)和全球定位系统GPS(globepositionsystem)组合导航联邦滤波器的实现,用卡尔曼滤波与Matlab仿真的方法,可以证明联邦滤波器算法简单,易于实现,并且可以提高导航系统精度.实际应用中此方法可行.