神经网络在MEMS-IMU/GPS组合导航中的应用研究

针对基于MEMS传感器组成的INS/GPS组合中GPS信号缺失的情况下,系统误差瞬时增大,滤波迅速退化无法继续工作的问题,本文提出利用神经网络辅助INS/GPS导航系统以解决这一问题的方法.该方法首先建立系统模型,用组合导航的输入作为网络模型的输入,通过网络训练得到输出需要参数,结合卡尔曼滤波用于组合导航以继续使导航系统工作,仿真结果表明该方法可行和有效性的.     

基于LiDAR/INS的野外移动机器人组合导航方法

移动机器人在地形复杂等野外环境跨区域运动时,机器人运动特性和环境特征变化更为明显,由此引起的点云畸变和特征点稀疏等问题尤为突出,有必要结合传感器标定误差、车轮打滑和车体颠簸等因素进一步改进机器人的位姿估计精度。本文对基于LiDAR/INS的移动机器人环境建模和自主导航方法展开研究,针对LeGO-LOAM等在处理车体姿态快速变化时的性能退化问题,提出一种适用于野外移动机器人运动特性的点云特征分析和多传感融合方法,利用IMU的预积分与LiDAR的scan-to-map构成优化函数,进而迭代更新机器人的位姿。野外环境实验结果表明,当机器人以较高速度做转弯运动或在短时间内多次转向时,本文所提方法仍可以为优化提供良好的初值估计,相比LeGO-LOAM等方法具有更高的位姿估计精度。     

车辆GPS/DR/GlS组合导航定位系统

随着GPS、DR导航定位技术的日益发展,以及GIS技术广泛应用,三者之间的结合应用于车辆导航定位已成为必然.首先分析了当前采用不同定位技术的导航系统的特点,并提出了基于DGPS/DR/GIS组合技术的车辆导航定位系统,从整个组合导航系统结构等方面介绍了整个系统的硬件和软件组成及其各部分的特点和功能.该系统的提出是对我国车辆智能导航系统开发的一种新尝试.     

车辆GPS/DR/GIS组合导航定位系统

随着GPS、DR导航定位技术的日益发展,以及GIS技术广泛应用,三者之间的结合应用于车辆导航定位已成为必然。首先分析了当前采用不同定位技术的导航系统的特点,并提出了基于DPGS／DR／GIS组合技术的车辆导航定位系统,从整个组合导航系统结构等方面介绍了整个系统的硬件和软件组成及其各部分的特点和功能。该系统的提出是对我国车辆智能导航系统开发的一种新尝试。     

DR/GPS组合导航非线性自适应信息融合算法研究

针对实际工程中组合导航系统采集数据融合处理问题,建立了系统实测数学模型,提出了基于非线性系统的自适应信息融合算法,将系统未建模部分及高阶项作为噪声项与状态向量进行耦合估计,改善滤波算法对模型误差以及噪声假设的敏感性,通过仿真对比验证算法改进前后的效果,并用于DR/GPS组合导航系统。实验结果表明提出的数据融合算法能够提高系统的精确性,具有一定的实用价值。     

路网辅助的车载INS/GPS组合导航方法

针对车载INS/GPS组合导航系统在GPS无效时精度迅速下降的问题,提出了将车辆行驶的路网约束作为虚拟传感器,采用多传感器数据融合的方式,与INS和GPS组成INS/GPS/路网组合导航系统.当GPS失效时,使用路网辅助INS.仿真结果表明,在GPS无效时间段,该方法能有效减小系统定位误差.     

车载GPS/光纤陀螺组合导航定姿技术研究

为了实现基于低精度的光纤传感器的高精度定姿导航,以确保陆上运动载体能够得到自身实时、准确的姿态信息,时光纤陀螺捷联惯导系统的测量误差进行了分析并建立组合导航系统的动态模型,利用GPS天线与惯导系统在栽体上的相时安装关系以及陆上载体的运动特征约束即非完整约束建立组合导航系统观测方程,采用卡尔曼滤渡器时惯导系统的测量误差和GPS天线与惯导系统间的杆臂量测误差进行估计,并使用估计结果时惯导系统的速度、姿态导航解算结果予以在线修正.通过车栽试验验证了此组合导航方案切实可行,系统定姿结果具有较高精度.     

基于环境信息的自适应卡尔曼滤波器在GPS/IMU组合导航中的应用*

提出了一种基于环境信息的模糊逻辑控制器来在线调节联合卡尔曼滤波器的自适应数据融合方法,并着重研究了在GPS/IMU组合导航中的应用。根据子系统的新息序列构造各传感器的环境信息,采用模糊逻辑控制器实现信息分配系数的计算,将卡尔曼滤波器调整到最优状态,从而提高组合导航系统的精度。仿真结果证明这种方法提高了数据融合的可靠性和精度。     

基于最大相关熵的GPS/INS组合导航融合算法研究

目前组合导航系统中常用卡尔曼滤波器进行信息融合,它在一定程度上克服了组合导航系统在实际工作中的不确定情况,如测量值易被无法量测的野值污染的实际问题。为优化传统卡尔曼滤波算法性能,提出基于最大相关熵的卡尔曼滤波（MCCKF）算法。该算法是在最大相关熵准则（MCC）和加权最小二乘（WLS）的思想下进行推导得到的。通过Matlab软件对GPS/INS组合导航融合理论建立数学模型,并对其进行模拟和分析,与传统卡尔曼滤波算法所得出的结果相比,结果表明基于最大相关熵的卡尔曼滤波算法具有更高的精度和更强的鲁棒性。     

SINS/GPS组合导航系统设计与DSP实现

本文给出一种以DPS为核心的SINS/GPS组合导航系统设计,完成了硬件电路的设计,包括惯性传感器件的选取及电路各个模块的设计:实现了软件算法,采用了工程上实用的四元数捷联导航系统的算法.本系统用DSP替代传统使用的微处理器作为捷联惯导系统的核心处理器,可以减小系统的体积和成本,提高其性能价格比,使系统具备更好的应用价值和市场前景.     

MEMS-IMU /GPS组合导航系统中坐标系统一的方法研究

针对MEMS-IMU/GPS组合导航系统数据融合时坐标系不统一的问题,提出了一种由GPS坐标系(WGS-84坐标系)到惯性坐标系(当地水平游移坐标系)的转换方法。该方法在由GPS坐标系转换到西北天惯性坐标系的基础上,计算与西向的游移偏航角,最终完成坐标系的统一。经实际的跑车实验验证,由GPS信息转换到惯性坐标系下的偏航角与惯性偏航角偏差小于1°,精确的实现两坐标系的统一,在实际的工程应用中具有一定的参考价值。     

GPS/MEMS-INS组合导航系统设计

针对微机电系统(micro electro mechanical system,MEMS)惯性器件随机噪声大,现有的去噪算法难以兼顾降噪效果和信息处理速度的问题,提出自适应实时混合去噪算法;利用无轨迹卡尔曼滤波(unscented Kalman filter,UKF)算法进行信息融合,克服了扩展卡尔曼滤波(extended Kalman filter,EKF)对非线性系统线性化会带来额外误差的缺点;利用多线程信息同步技术实现微机电惯性导航系统(MEMS inertial navigation system,MEMS-INS)和全球定位系统(global position system,GPS)的同步运行。基于以上关键技术和算法,设计了一种GPS/MEMS-INS组合导航系统,实验结果表明,该组合导航系统在静态及动态环境下均能够进行实时高精度地导航定位。     

MIMU/GPS组合导航系统小型化设计

为满足小型无人机、手持制导设备及无人探测车等对低成本轻重量导航系统需求,应用MEMS惯性测量单元和GPS接收机模块,完成MIMU/GPS组合导航系统小型化设计。组合导航计算模块基于DSP+FPGA+FLASH设计完成,实现多传感器通信、串并行数据转换及与上位机人机交互等功能。将计算模块、电源模块、MIMU及GPS接收机集成到嵌入式MIMU/GPS组合导航系统中,完成的系统直径80 mm,高度80 mm,质量不超过600 g。对集成后系统进行定点动姿态实验,结果表明:该组合导航系统定点位置测量精度在1 m以内,动姿态测量精度姿态角在0.1°以内,航向角在0.5°以内。     

GPS/SINS/Odometer组合导航系统的研究

针对全球定位系统(GPS)和捷联惯性导航系统(SINS)组成的车载导航系统在GPS失效时精度会快速下降的问题,提出了GPS/SINS/Odometer(里程计)组合导航定位系统,采用联邦卡尔曼滤波对SINS进行误差估计并作反馈校正。当GPS无效时,就可以使用里程计辅助SINS。实验结果表明,在GPS失效的时间段内,该组合系统可以有效地抑制SINS的误差发散,并将其误差限制在较低的水平,保证了组合导航系统的精度与可靠性。     

量子PSO粒子滤波在DR/GPS组合导航系统中的应用

将量子粒子群优化(QPSO)算法与粒子滤波(PF)相结合,提出了量子PSO粒子滤波(QPSO-PF)算法,对航位推算(DR)与GPS组合导航系统中的里程系数误差和航向误差进行辨识估计,并对里程系数和航向进行修正。该算法采用量子位对粒子进行编码,引入量子旋转门与变异操作保持了粒子集的多样性,通过QPSO搜索寻优重新分配粒子,使粒子集有效地逼近真实的后验概率分布,从而有效地减轻了退化现象,提高了PF的精度。DR/GPS组合导航系统跑车实验结果表明:该算法有效地抑制了DR导航系统误差的增长,提高了组合导航系统的定位精度。     

基于ARM的移动机器人组合导航系统设计与实现

为了实现室外自主移动机器人的导航定位需求,利用微惯性测量单元(MIMU)和全球卫星定位系统(GPS)接收机,设计并实现了一种基于ARM Cortex M4内核的SINS/GPS组合导航系统。详细介绍了系统硬件组成、软件结构,并在此基础上实现了Kalman滤波的SINS/GPS组合导航算法。将该组合导航系统安装于旅行者II移动机器人,采用差分GPS对组合导航系统性能进行评估。实验结果表明:该系统具有较高的精度,达到了设计要求,具有良好的实用性。     

一种新的粒子滤波算法在INS/GPS组合导航系统中的应用

为改善传统粒子滤波中的样本退化和样本枯竭问题, 提出一种新的粒子滤波算法. 在重要性采样中, 利用最新测量值, 结合差分滤波算法产生重要性函数; 在再采样中, 利用高斯混合模型近似状态的后验概率密度, 引入最大期望算法计算该高斯混合模型的参数, 并从该新分布中采样后验粒子集, 取代传统的再采样. 从而通过提高重要性函数对状态后验概率密度的逼近程度来缓解样本退化问题, 通过改进再采样实现过程来缓解样本枯竭问题. 把新算法应用到INS/GPS组合导航系统中, 仿真结果表明新算法的估计性能明显优于粒子滤波.     

低成本SINS/GPS组合导航系统方案

低成本捷联惯性导航系统SINS、GPS硬件和相应的组合导航算法已经开始成熟,但仍然缺少简单可行的、完整的组合系统方案.针对低成本SINS\GPS组合导航设计了一套完整的方案.首先利用GPRS和TCP/IP通信链路实时传输GPS差分数据,提高GPS定位精度.用计算机串口接收SINS\GPS数据,并利用计算机时间使SINS和GPS数据同步.然后给出了SINS速度和位置更新的简化算法,由于低成本SINS无法确定航向角,所以使用SINS自带的姿态和航向参考系统输出的航姿信息.最后阐述了方案采用的组合导航数据融合卡尔曼滤波模型,并以RTK定位数据为参考真值进行了车载实验,实验表明组合系统更加稳健,定位精度明显提高.     

紧耦合MINS/GPS组合导航系统数据融合的分析与处理

针对MINS/GPS组合导航系统的松耦合、紧耦合组合方案进行了讨论,借鉴国内外对紧耦合MINS/GPS组合模式的研究,分析了松耦合、紧耦合和超紧耦合MINS/GPS组合模式的构成和工作原理,通过理论分析建立了基于伪距差分的组合卡尔曼滤波模型.通过半实物仿真试验研究紧耦合MINS/GPS系统数据融合处理的特性.     

改进的自适应Kalman滤波在SINS/GPS组合导航中的应用

全球定位系统（GPS）因信号受到遮挡和干扰而产生观测量突然失准,使捷联式惯性导航系统（SINS）/GPS组合导航的卡尔曼滤波器性能急剧下降。针对上述问题,提出了一种改进的自适应卡尔曼滤波的方法,通过失准时的新息对先验状态均方误差阵进行自适应调节,解决了新息协方差与实际严重不符的问题。仿真实验中,对比了传统的卡尔曼滤波、自适应卡尔曼滤波、自适应抗差卡尔曼滤波和改进的自适应卡尔曼滤波的估计性能,证明了所提出算法的有效性。