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。     

基于RAEKF的GPS/INS紧组合导航方法研究

针对GPS/INSS组合导航系统对高精度和高可靠性需求不断提升的现状,考虑载体运动复杂性导致运动过程中噪声数学统计特性无法精确确定,且滤波结果易受观测粗差影响的问题,提出一种抗差自适应扩展卡尔曼滤波(Robust Adaptive Extended Kalman Filter,RAEKF)方法。基于惯性导航、卫星导航原理与误差模型确定紧组合工作模式下的卡尔曼滤波数学模型;推导常用EKF模型并构造抗差自适应卡尔曼滤波,通过自适应调整观测值的使用权重提高滤波精度,结果表明抗差自适应滤波能有效抑制粗差对导航结果的影响。     

车载INS/GPS组合导航系统设计

GPS(Global Position system)在信号接收良好的情况下,可以帮助车辆进行准确的定位,但是遇到环境上有遮蔽导致GPS信号难以接受,则会出现难以定位,实时位置得不到更新。INS(integrated navigation system)是属于自主导航,它由陀螺仪和加速度计两种传感器构成,可以通过数学平台解算得出当前的位置,但是它会随着时间的积累而导致误差越来越大。本文提出了一种INS/GPS组合导航的设计,并且使用卡尔曼滤波算法进行滤波,通过matlab进行轨迹发生仿真来验证算法上的误差效果。     

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.     

基于INS/GPS/磁力计的全组合导航

针对惯性导航单独定姿、定位产生漂移的问题,提出了一种磁力计、GPS辅助惯性导航的组合导航系统。对磁力计、陀螺仪数据进行预处理;推导了基于误差四元数的定姿系统方程和量测方程,使用卡尔曼滤波器融合陀螺仪与磁力计数据。建立定位系统方程和量测方程,使用GPS量测值辅助惯导、校正位置、速度信息。实验验证结果表明:组合导航系统有效地改善了惯性导航漂移问题,同时在GPS失效情况下仍能正常工作。     

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。     

GPS/INS组合导航及其数据同步的研究

建立在惯性原理基础上的惯性导航系统不需要任何外来信息,也不会向外辐射任何信息,仅靠惯性导航系统本身就能全在天候条件下在全球范围内和任何介质环境里自主地隐蔽地进行连续的三维定位和定向:但它也存在误差随时间积累的缺点.而GPS导航系统能提供长时间的高精度定位;但存在1 HZ慢速数据修正速率的缺陷.本文研究二者互补的组合导航系统,建立了组合导航的软件和硬件模型,并提出了基于卡尔曼滤波的导航实现算法.     

INS/GPS紧耦合组合导航系统抗差定位算法

建立了INS(Inertial Navigation System)/GPS紧耦合组合导航系统,针对测量粗差对系统定位结果的影响,将抗差估计理论应用于非线性滤波算法,提出了基于等价权原理的抗差UKF定位算法。加入模拟粗差进行实验,结果表明,观测量异常时,抗差UKF算法能成功探测和剔除观测量粗差,实现定位结果的有效估计。     

GPS/INS超紧组合抗干扰性能分析

为提高GPS(全球定位系统)/INS(惯性导航系统)超紧组合系统的抗干扰性,分析了影响超紧组合系统抗干扰性的各种因素.基于传统PLL环路结构,对超紧组合系统建立了具体的数学模型,推导了超紧组合PLL环路的误差来源及每一项误差的计算公式,系统分析了影响超紧组合抗干扰性的因素,包括调整系数、码速率、动态性、相干积分时间、钟及环路带宽等,仿真分析了各种因素对超紧组合系统抗干扰性的影响,总结出提高超紧组合系统抗干扰性的方法.     

组合导航系统INS/GNSS/SAR及其降阶模型性能的研究

介绍了高阶组合导航系统惯性导航系统 (INS) /全球导航卫星系统 (GNSS) /合成孔径雷达 (SAR)及其降阶模型. 降阶系统的卡尔曼滤波时间大大缩短了, 但其精度并未有大的降低. 仿真结果证明, INS/GNSS/SAR的降阶模型仍可为飞机提供满意的导航精度.     

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ANFIS神经网络的GPS/INS组合导航信息融合

介绍了自适应神经网络模糊推理技术(ANFIS),在此基础上采取新息自适应调整的思想,设计了一种基于滤波器工作参数调整的GPS/INS组合导航神经网络辅助卡尔曼滤波器,利用神经网络的非线性,根据滤波器的实际输出在线实时动态调整滤波器参数,达到对滤波器的调整和控制。与传统卡尔曼滤波器进行计算机仿真比较表明,基于ANFIS神经网络的GPS/INS组合导航信息融合技术具有较强的自适应性,能够在复杂的环境下抑制数据的发散,提高导航精度。     

车载卫星/惯导组合导航算法优化及精度分析

研究卫星惯导系统优化设计问题,由于惯性系统输出随时间变化存在漂移问题.传统组合导航系统滤波器模型越精细、维数越高,则组合精度越高,但计算量也越大,应用复杂度和成本也越高.为了降低车载应用成本及保证导航精度,针对简化惯导误差模型对组合导航系统滤波精度的影响,提出了一种组合导航系统滤波器优化算法,得出在车载条件下忽略惯导误差方程中计算量大的哥氏效应及地球自转误差项对组合导航精度影响不大,但计算量和成本可以得到减小.选取北京公主坟立交桥作为跑车路线,验证了所提算法的有效性.     

神经网络辅助的GPS/INS组合导航滤波算法研究

在高空高速条件下,GPS信号失锁致使常规的卡尔曼滤波器发散,从而导致组合导航系统精度严重下降。以BP神经网络辅助技术手段对GPS/INS组合导航滤波算法实施精度补偿,即在GPS信号锁定时,对神经网络进行实时在线训练,而当在GPS信号失锁时,利用之前训练好的神经网络进行组合导航滤波,以解决精度严重下降问题。算法采用多神经网络并行结构,以减少神经网络在训练过程中的交叉耦合,提高训练速度。通过MATLAB仿真,验证了算法的可靠性与可行性,并证明其在GPS信号丢失时,精度较纯惯性导航系统有较大提高。     

车载组合导航定位系统误差建模及仿真

首先,建立测速仪与惯性测量单元的组合导航状态方程、量测方程和车栽组合导航定位系统的卡尔曼滤波误差模型;其次,根据车载导航数据,进行了卡尔曼滤波仿真分析,评估了测速仪、惯性测量单元组合精度对导航定位精度的影响,结果表明了该方法的有效性.     

DSS/SINS组合导航实时滤波仿真

北斗双星定位系统的定位原理决定了其存在导航定位实时性较差的缺点。为了解决双星定位实时性差的问题,提出了一种新的北斗双星／SINS组合导航实时滤波方法,即对双星定位的静态误差进行建模,将静态误差模型作为其动态误差的残差模型与双星定位时间延迟随机常数一起扩充为组合导航滤波器的状态变量,然后对北斗双星／SINS组合导航系统进行状态估计的滤波方法。通过计算机仿真,结果表明该实时滤波方法能够更好地解决北斗双星／SINS组合导航在实际工程应用中定位实时性较差的缺点,从而提高了组合系统的导航精度,对北斗双星／SINS组合导航系统的实际应用有重要的参考价值。     

GPS/INS组合导航系统设计及实现方案

将两种或多种导航系统(或传感器)组合起来成为一个综合系统,其导航性能比单一的系统好,因此组合导航系统目前已成为导航系统的发展方向之一。现代控制理论的成就,特别是最优估计理论的数据处理方法,为组合导航系统提供了理论基础。介绍了GPS/INS组合导航系统的经典组合方式和采用卡尔曼组合滤波器的组合方式。重点对采用卡尔曼滤波的软件组合方式进行分析和推导,将全组合滤波法和分布式组合滤波法进行了较全面的比较。     

单目视觉人工路标辅助INS的组合导航定位方法

提出一种单目视觉人工路标辅助惯性导航系统(Inertial Navigation System,INS)的定位方法。首先设计人工路标,并用相机拍摄各预先设置的人工路标,记录拍摄每个路标时相机位置和姿态,建立视觉路标库。在利用惯性导航系统定位过程中,对单目相机采集到的图像进行路标提取、与路标库中相应路标进行匹配,估计当前相机位置和姿态,然后利用卡尔曼滤波将视觉匹配估计的位置信息和INS有效地融合。实验结果表明:传统航位推算方法的平均误差为0.715 m,本文组合导航方法的平均误差为0.154 m,该方法有效地提高了惯性导航定位的精度。     

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.