基于AUKF的SINS/GPS紧组合导航系统研究

以无人驾驶中的导航定位技术为背景,研究了基于自适应无迹卡尔曼滤波器(AUKF)的SINS/GPS紧组合导航系统。设计了基于伪距和伪距率的SINS/GPS紧组合导航系统。针对常规UKF算法计算量大和容错性能差的问题,提出了一种基于比例调节因子的AUKF滤波融合算法。实验结果表明:对于SINS/GPS紧组合导航系统,基于比例调节因子的AUKF相比基于定常因子的UKF误差输出曲线更平滑,避免了非局部效应的影响,实现滤波精度的提高,具有良好的控制性能、跟踪能力和容错性能。     

组合导航信息融合技术研究

为了防止组合导航局部滤波器性能变化而调整信息分配的问题,本文分析了联合卡尔曼滤波算法中参考系统、主滤波器以及局部滤波器的特点,具体描述了组合导航系统的联合滤波算法,提出了一种基于广义特征值分解的自适应信息分配策略.该结果表明,在工程实践上,采用组合导航信息融合技术可以解决根据组合导航局部滤波器性能随时调整信息分配策略的问题.     

信息融合技术在INS/GPS/DVS组合导航系统中的应用

本文探讨了INS/GPS/DVS组合导航系统中的信息融合技术问题,介绍了联邦滤波算法的基本思想,根据INS、GPS、DVS的导航特点建立了较完整的状态方程,并以INS/GPS及INS/DVS组合分别构成组合导航系统的子滤波器,建立了相应的量测方程;阐述了主滤波器的最优估计融合算法,并给出了该算法与集中滤波算法等效的条件;最后采用无反馈的模式对组合导航系统中的联邦滤波算法进行了计算机仿真与分析.结果表明,联邦滤波算法可以充分利用各导航传感器的信息,并在减少计算量的前提下有效地提高导航系统的精度,具有较大的工程应用价值.     

用于多普勒与GPS组合导航系统的卡尔曼滤波器

现在所设计的一种卡尔曼滤波器，可以使多普勒导航系统与ＧＰＳ系统进行组合导航，该滤波器的陆地下空飞行时采用八个状态变量，而在水面上空飞行时应用十个状态变量，其模拟仿真结果的数据表明：在良好的工作条件下，该组合导航系统在三维坐标的每个轴向上的导航定位误差为１米，或者更小。     

基于DSP测量组合导航系统设计

随着微机电系统(MEMS)技术的发展,采用MEMS技术的微小型低成本捷联惯性导航系统已成为目前的一个研究热点;而单一的导航定位定向系统已经不能满足我国在军事领域和民用领域对导航、定位、定向精度的要求,以捷联惯导系统(SINS)和全球定位系统(GPS)相结合构成的组合导航系统以其较高的精度、低廉的成本逐渐被应用于各个领域.本文以MEMS芯片为基础,研究基于DSP测量的低成本SINS/GPS组合导航系统的设计和实现,旨在实现组合导航系统小型化、低成本、高可靠性和智能化.     

GPS/INS组合导航系统优越性研究及仿真

GPS和INS在导航过程中具有优势互补的特点,以适当的方法将两者组合起来成为1个组合导航系统,必定可以提高系统的整体导航精度及导航性能。本文在以Simulink为平台对INS、GPS进行单独仿真的基础上,充分考虑了各种误差情况,并结合深紧耦合的Kalman滤波器,对GPS/INS组合导航定位优越性进行了仿真验证,同时对GPS/INS组合时的数据同步问题作了较为详细地阐述。Simulink图形化的仿真结果不仅证明了组合导航提高导航精度的可行性,而且证实,通过适当的组合,系统的整体性能可以得到较为有效的改善。     

低成本MEMS加速度计在组合车辆导航中的应用研究

基于里程仪的GPS／DR组合车辆导航系统,能够有效弥补GPS单一导航系统定位可靠性和精度的不足,但在实际使用中存在安装不便的问题,进而制约了其在车辆导航中的应用推广。论文研究了一种基于低成本MEMS加速度计的GPS／DR组合车辆导航系统。论文首先对加速度计信号进行了分析,利用小波分析进行信号降噪并建立了加速度误差模型;然后研究了基于卡尔曼滤波的GPS／DR组合导航算法;最后进行了跑车实验。实验结果表明,该组合导航系统的定位结果满足城市车辆导航定位精度要求,并且在GPS信号受阻情况下,DR单独定位仍可以提供满足要求的定位信息。     

一种基于信息融合的滤波算法研究

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INS/GPS/DVS组合导航系统对载体进行快速定位、定向的新方法.为了研究平台式惯导INS、全球定位系统GPS和多普勒导航系统DVS组合导航联邦滤波器的实现,用MATLAB对算法做了仿真验证.结果表明:算法具有计算量小、信息传输量少的优点,在确保整个组合系统可靠性的前提下,导航精度有了明显提高.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.     

航空用多传感器组合导航信息融合的研究

在已有的SINS/GPS组合导航系统的基础上,将联邦kalman滤波算法与组合高度三阶回路算法动态结合,并利用改进型自适应滤波算法对系统进行实时系统噪声和量测噪声水平估计和修正,实现了SINS/GPS/高度计/磁罗盘多传感器组合导航系统有效融合。所设计系统综合利用了各传感器的优点,克服了各传感器的缺点,并能实时正确地测得载体的三维速度、位置和姿态信息,尤其是高度通道上的速度和位置信息,使多传感器组合导航系统能长时间、有效、稳定地进行飞行导航。经半实物仿真实验表明,所设计的组合导航系统具有较好的稳定性和较高的精度。     

基于自适应卡尔曼滤波算法的紧组合导航系统的研究

为了提高子滤波器滤波精度和优化信息融合算法,提出一种基于在线调节因子的自适应卡尔曼滤波算法。首先讨论采用卡尔曼滤波技术的理论依据,设计SINS/GPS紧组合导航系统。提出改进的自适应卡尔曼滤波算法,该方法通过构造自适应参数因子,并利用量测噪声协方差阵与自适应参数的比值实现在线修正量测噪声协方差阵。通过MATLAB仿真,与传统基于标准卡尔曼滤波算法的紧组合导航系统相比,其各向位置误差和速度误差均得到明显降低,从而达到提高组合导航定位精度和优化信息融合算法的目的。     

测量噪声方差未知的多传感器组合导航集中融合算法

目前,多传感器组合导航系统的信息融合方法是建立在测量噪声方差已知的基础上,然而测量噪声方差会随着内部及外部的干扰而发生变化。为此,本文首先将基于变分贝叶斯逼近的自适应卡尔曼滤波(variational Bayesian approximation based adaptive Kalman filter, VB-AKF)从单一组合导航系统扩展到多传感器组合导航系统;然后,提出了多传感器组合导航系统的两种集中融合算法,即基于VB-AKF的增广式集中融合算法及基于VB-AKF的序贯式集中融合算法,以解决测量噪声方差未知情况下的多传感器组合导航的信息融合问题;最后,通过SINS/GNSS/CNS/ADS多传感器组合导航系统对上述算法进行了仿真验证。实验结果表明,本文所提两种算法滤波精度相同、且接近于测量噪声方差已知情况下的理想集中融合算法(ICKF)。在整个仿真时段内,相对于传统集中式卡尔曼滤波器(TCKF)及具有容错功能的联邦卡尔曼滤波算法(FT-FKF),本文算法可提高位置精度分别为32%和90%、提高速度精度分别为38%和71%。     

多传感器组合导航系统的联邦 UKF 算法研究

多传感器组合导航系统是一种典型的非线性系统,为了提高其滤波精度,本文提出了多传感器组合导航系统联邦 UKF 算法。 首先,在建立多传感器组合导航系统的非线性状态方程及线性量测方程的基础上,对标准 UKF 进行了简化;然后,以简 化 UKF 为基础提出了多传感器组合导航系统的联邦 UKF 算法,并设计了姿态融合算法及其故障检测函数以验证该算法的容 错性能;最后,以 GNSS / CNS / SINS 多传感器组合导航系统为例进行了仿真验证。 仿真结果表明,相对于联邦线性卡尔曼滤波 器,联邦 UKF 算法可提高位置及姿态精度约 25. 8%、22. 2%,同时继承了联邦线性卡尔曼滤波器的容错性能。     

基于ZUPT的车载MEMS惯性系统的混合滤波

针对车载系统在运动过程中运行时间长、动态性能变化频繁、车载导航系统不同的非线性特点,提出通过零速修正方法确定其动态特性。针对动态检测结果提出了混合滤波算法,根据车载导航系统不同的动态特性,特别是在GPS故障的情况下,采用本文提出的滤波方法有效地降低了载体在不同动态特性下的误差影响。实验表明,该方法能有效提高车载系统动态定位,改善由非线性误差导致车载系统误差积累造成的影响。     

基于H∞滤波的车载捷联惯导初始对准研究

为了提高车载捷联惯导的对准精度和收敛速度,文中从信号源开始考虑,运用小波域阈值滤波方法对信号进行滤波,然后使用H..滤波来进行初始对准.最后,经过实际结果分析表明,采用小波域阈值滤波和H∞滤波滤波方法有效提高了收敛速度和对准精度,能够满足常规环境下车载导航的要求,有较大的工程实用价值.     

一种抗差自适应 UKF 算法及其在 GNSS / SINS 组合导航系统的应用

GNSS / SINS 组合导航系统标准 UKF 算法缺乏对量测噪声方差及系统状态异常的自适应调节能力,进而影响了组合导 航系统的滤波精度。 为了解决上述问题,提出了一种抗差自适应 UKF 算法。 首先,该算法引入变分贝叶斯估计原理以实时估 计量测噪声方差;然后,基于滤波器预测残差,构建了自适应因子以降低系统状态异常时对导航解的影响;最后,将该算法应用 于 GNSS / SINS 组合导航系统中,仿真结果表明,当量测噪声统计特性发生变化时,相对于标准 UKF 算法及抗差 UKF 算法,在整 个仿真时段内,本文算法可提高位置精度分别为 51. 2%及 9. 3%,同时可以降低系统模型异常扰动和滤波器初值偏差对导航解 的影响。 实验结果表明本文算法具有较强的自适应性及抗差性,可提升复杂环境下组合导航系统的精度。