变增益联邦KF组合导航定位算法研究

GPS接收模块解算出的伪距误差是GPS/INS组合导航系统的主要误差,采用一种二级联邦卡尔曼滤波组合导航算法加以削弱,将卫星接收模块解算出的伪距信息和多普勒频移信息在第一级卡尔曼滤波后,再通过主滤波器与INS模块解算出的信息进行修正处理,得到校正量和定位位置最优估计。随着滤波步数增加,系统预测误差方差阵逐渐趋于零,状态估计会过分依赖旧量测值,从而导致滤波发散,影响系统定位精度。为有效提高新量测值的修正作用,在联邦卡尔曼滤波组合导航算法中引入一种可变加权系数。仿真结果表明,改进后的变增益联邦卡尔曼滤波算法具备联邦卡尔曼滤波的优点,并且该算法滤波效果有较明显的改善,能有效抑制滤波发散,提高系统的定位精度。     

UKF在INS/GPS直接法卡尔曼滤波中的应用

提出将Unscented卡尔曼滤波(UKF)用于INS/GPS组合导航系统的直接法卡尔曼滤波,避免了对非线性的系统状态方程进行线性化.以INS输出的导航参数及平台误差角等作为系统状态,惯导力学编排方程和姿态误差方程作为系统状态方程,GPS输出的导航参数作为量测,采用UKF方法对系统导航参数直接进行估计.仿真结果表明,UKF方法有效地解决了直接法卡尔曼滤波中系统状态方程的非线性问题,并使INS/GPS组合导航系统具有较高的导航定位精度.     

实时图像匹配辅助无人机导航研究

针对GPS/INS组合导航系统在抗干扰性和精度上不能完全满足无人机导航系统要求的问题,利用实时图像匹配辅助无人机导航的方法进行仿真研究.首先,对输入图像进行目标识别定位,为了满足系统的实时性要求,研究采用光电混合联合变换相关器进行实时图像匹配,仿真结果表明,目标的识别定位精度小于两个像素,能够为无人机提供精确的导航信息;再根据摄影测量原理计算导航信息中的位置和姿态角信息;最后,将匹配定位得到的导航信息通过Kalman滤波器与惯导系统解算的导航信息进行信息融合,仿真结果表明,滤波后导航信息的误差均获得了较明显的收敛,提高了无人机导航系统的抗干扰性和导航精度.     

基于MLP神经网络改进组合导航算法

为解决GPS信号失锁条件下,GPS/INS(inertial navigation system)组合导航系统解算精度降低甚至发散的问题,提出采用多层感知机神经网络(multilayer perceptron neural networks,MLPNN)来辅助组合导航系统。在GPS信号有效时对神经网络进行训练,在GPS失锁时利用神经网络对INS的导航误差进行修正,实现组合导航的连续性。跑车实验数据表明,GPS信号失锁360 s左右时,MLPNN辅助的组合导航方法最大位置误差在40 m以内,相对于纯惯性导航推算降低了35%的误差。该算法对GPS失锁后抑制GPS/INS组合导航系统误差快速发散、提高导航解算精度有显著效果。     

基于MEMS技术的车载组合导航系统研究

针对当前车载GPS导航仪实时性和可靠性差的问题,设计出一种基于MEMS技术的低成本车载GPS/MIMU/GIS组合导航系统,建立了GPS/MIMU组合系统的误差模型,对该模型进行了计算机仿真研究,并运用地图匹配算法对GPS/MIMU/GIS导航信息误差进行修正;跑车试验表明,该组合导航系统成本低、精度高,可靠性强,特别适合于军用和民用车辆的导航定位。     

高动态GPS/INS组合导航中时间延迟软硬件 补偿算法研究

为了解决高动态条件下GPS/INS组合导航中由于两种导航系统时间异步,卫星导航信息滞后导致导航精度下降的问题,分别提出了利用GPS串口延迟时间段内SINS解算出的导航信息变化量来补偿延迟段内误差的硬件补偿方案和基于卡尔曼滤波对SINS频漂进行估计,采用多项式拟合得到融合点处的SINS计算伪距的软件补偿方案.通过建立模型完成了对SINS频漂量及其他误差量的闭环滤波估计及修正.设计了高动态飞行仿真试验,试验结果表明:补偿后的组合导航系统水平位置精度达到±0.12′;速度稳定后精度达到0.45 m/s.该方法缩短了误差的收敛时间,抑制了飞行状态突变的情况下滤波结果出现跳变剧烈等不利现象的发生,提高了组合导航系统的精度和性能.     

车载INS/GPS组合导航系统建模与仿真

为了准确地对车辆进行定位,实现导航功能,将两种常用的导航定位技术GPS定位导航技术与惯性导航技术进行组合,介绍了INS/GPS组合导航系统的仿真方案。因车载组合导航系统对精度的要求不是很高,采用低成本的机械陀螺和加速度计作为惯性导航系统的测量器件。INS/GPS组合导航系统采用位置和速度组合模式,分别给出纯INS,纯GPS,组合导航系统的位置误差比较。结果分析表明,组合导航系统精度高于INS和GPS分别独立工作时的精度。     

信息融合技术在INS/GPS/TAN/SMN四组合系统中的应用

主要介绍了组合导航系统中多传感器信息融合技术的国内外发展状况,对INS/GPS/T AN/SMN(惯性系统/卫星导航系统/地形辅助导航/景象匹配导航)组合系统中的多传感器信息 融合的层次结构与融合方法,首次提出INS/GPS/TAN/SMN组合导航系统信息融合的层次结构 ,并提出了多源图像融合制导的思想与方法．本文指出比较有应用前景的信息融合研究方法 是基于模糊逻辑、小波分析、神经网络等人工智能的新方法,以及这些新方法与传统的随机 类方法相结合的随机 人工智能的信息融合方法．     

自适应卡尔曼滤波在组合导航中的应用研究

对惯性导航系统（INS）与全球导航系统（GPS）分别进行了具体探讨,对比了两者的优缺点,针对INS／GPS组合导航系统中由于模型不准或因量测噪声的复杂多变造成的发散问题,引入了一种基于输出相关法的自适应卡尔曼滤波技术。通过在自适应滤波算法中推算最优稳态增益来调整量测噪声,抑制滤波器的发散,为GPS／INS组合导航系统实现高精度导航提供了有效的途径。仿真结果表明该算法能很好地对系统状态进行最优估计并适应系统噪声的变化,具有比常规卡尔曼滤波更高的导航精度。     

INS/GPS/电子罗盘组合导航系统研究

根据船舶导航系统对导航精度的要求,利用联邦卡尔曼滤波技术,分别确立了INS/电子罗盘子滤波器和INS/GPS子滤波器的组合模式,设计了船舶INS/GPS/电子罗盘组合导航系统;仿真结果表明,将联邦卡尔曼滤波理论应用于INS/GPS/电子罗盘组合导航系统可以获得较为满意的导航精度.     

星光折射定位辅助的惯性/星光全组合导航算法

常规的惯性/星光组合导航多基于姿态信息组合,对位置、速度修正效果较差.针对上述问题,在惯性/星光姿态组合算法基础上,通过引入基于星光折射原理后获得的天文定位信息,设计了惯性/星光姿态、位置全组合导航方案,并提出了基于地心惯性坐标系下的捷联惯性/星光全组合导航算法.仿真结果表明:由于利用星光折射间接敏感地平的方法,在系统中引入了位置相关的观测信息,可确保组合导航系统获得较高的位置、速度和姿态精度.     

GPS信号自适应抗干扰系统

针对GPS卫星信号易受干扰,不稳定的问题,提出INS/GPS组合导航抗干扰的方法并用硬件电路进行实现验证。给出了惯性器件的误差模型,采用松散组合方式,设计卡尔曼滤波器,取姿态、速度、位置的误差作为状态变量。提出以INS与GPS输出的东北天向速度误差作为滤波器观测量的方案。通过计算机的仿真和实验验证,对系统的精度进行了分析,证明该方案是可行的,实现实时滤波计算,并能满足导航的精度要求。     

惯导/里程仪组合导航系统算法研究

惯导系统误差随着导航时间而增长,而里程仪测量误差一般随着运载体行驶距离而增加,惯导系统和里程仪具有互补性,推导了简化的惯导/里程仪组合导航系统的卡尔曼滤波方程,研究了里程仪刻度系数误差校正的方法,并提出了里程仪打滑和滑行故障的判断准则,仿真结果表明：经过里程仪刻度系数校正后,组合导航系统能有效提高定位精度,并且具备一定的容错能力.     

Intelligently tuned wavelet parameters for GPS/INS error estimation

This paper presents a new algorithm for de-noising global positioning system (GPS) and inertial navigation system (INS) data and estimates the INS error using wavelet multi-resolution analysis algorithm (WMRA)-based genetic algorithm (GA) with a well-designed structure appropriate for practical and real time implementations because of its very short training time and elevated accuracy. Different techniques have been implemented to de-noise and estimate the INS and GPS errors. Wavelet de-noising is one of th...     

多导航传感器的数据融合处理方法研究

在舰船导航过程中为克服单一模型的卡尔曼滤波器对真实系统状态参数发生变化时造成滤波误差过大甚至发散的现象,将多模自适应控制用于导航数据融合处理方法中,设计了组合导航系统的多模型自适应卡尔曼滤波器,通过数字仿真将单一模型的INS/GPS/Doppler组合导航系统与多模自适应控制的组合导航系统的性能进行了比较,表明了多模自适应控制在组合导航系统中可以改善系统的瞬态响应和覆盖大范围的参数不确定性,提高了组合系统的导航精度.     

PERFORMANCE ANALYSIS OF VARIOUS ARTIFICIAL INTELLIGENT NEURAL NETWORKS FOR GPS/INS INTEGRATION

An aircraft system mainly relies on a Global Positioning System (GPS) to provide accurate position values consistently. However, GPS receivers may encounter frequent GPS absence because of ephemeric error, satellite clock error, multipath error, and signal jamming. To overcome these drawbacks, generally a GPS is integrated with an Inertial Navigation System (INS) mounted inside the vehicle to provide a reliable navigation solution. INS and GPS are commonly integrated using a Kalman filter (KF) to provide a robust navigation solution. In the KF approach, the error models of both INS and GPS are required; this leads to the complexity of the system. This research work presents new position update architecture (NPUA) which consists of various artificial intelligence neural networks (AINN) that integrate both GPS and INS to overcome the drawbacks of the Kalman filter. The various AINNs that include both static and dynamic networks described for the system are radial basis function neural network (RBFNN), backpropagation neural network (BPN), forward-only counter propagation neural network (FCPN), full counter propagation neural network (Full CPN), adaptive resonance theory-counter propagation neural network (ART-CPN), constructive neural network (CNN), higher-order neural networks (HONN), and input-delayed neural networks (IDNN) to predict the INS position error during GPS absence, resulting in different performances. The performances of the different AINNs are analyzed in terms of root mean square error (RMSE), performance index (PI), number of epochs, and execution time (ET).     

基于信息融合的组合导航系统研究

针对GPS接收机在高机动工作状态或受遮挡时易出现“丢星”现象而导致定位中断的问题,提出了一种采用GPS／GLONASS／INS组俣导航系统对载体进行快速定位、定向的新方法。文中首先总结了GPS导航系统的不足,在此基础上给出了组合系统的设计方案和工作原理,然后对基于联合卡尔曼滤波的多传感器信息融合算法进行了论述与分析,最后给出了计算机仿真。结果表明：该方法可有效地提高导航系统的精度和可靠性,为融合导航系统的数据分析和处理提供了一个有效途径。