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.     

SAR在飞行器组合导航系统中的应用

SAR是雷达理论和技术发展到一定阶段的基础上诞生的一种具有很高分辨率的成像雷达。它在众多领域得到了广泛的应用。在飞行器组合导航系统中,利用SAR图像进行图像匹配,可以极大地提高系统的导航精度。本介绍了SAR、组合导航系统的发展及研究现状。重点介绍了SAR在飞行器组合导航系统中的应用,并给出了具有较高精度、容错性和自主性的INS／GNSS／SAR组合导航系统的原理、结构及仿真结果。     

基于CenSurE特征的SAR/INS组合导航景象匹配算法

在SAR／INS组合导航系统中,所获取的SAR图像可能存在严重的斑点噪声和几何变形,对此,提出一种基于CenSurE特征的SAR／INS组合导航用景象匹配算法．该算法针对惯性组合导航的工作特点进行设计．首先提取CenSurE特征和垂直的SURF描述符,利用夹角余弦相似度量方法进行特征匹配;然后,采用分组一致采样算法和最小二乘精确匹配算法获取高精度的航向和位置偏差信息．景象匹配性能评价实验表明。在匹配适应性、匹配速度、精度和鲁棒性等方面,CenSurE特征都很优越,可以满足SAR／INS景象匹配导航系统匹配修正的高性能要求．     

基于可观测性分析的SINS/CNS降维设计

针对长航时无人机的长航时和组合导航系统固有的非线性特性,建立了SINS/CNS组合导航系统的非线性模型,该模型能够更加趋近于真实模型。模型建立之后对其进行可观测性分析,并根据可观测性分析的结果进行降维设计,只对可观测性好的状态进行状态反馈。并选择了精度更高的SCKF算法进行滤波,仿真结果表明,选择的滤波算法精度更高,降维设计之后组合导航系统即能够保证导航精度又能够大大提高实时性。     

智能车双目视觉辅助GNSS定位方法研究

具有精确、稳定的定位结果以及合理的价格是未来的智能车辆导航系统的发展趋势。为了达到这个目标,人们建立了多种组合导航模型（GNSS/DR,GNSS/INS,GNSS/MM）。尽管这些模型已在多种不同环境中成功应用,但它们仍有许多缺陷,尤其是在全球卫星导航系统（GNSS）定位精度受到威胁的区域。研究了一种通过双目视觉利用路标的地理位置信息对GNSS定位精度进行局部改良的方法。随机霍夫变换用于路标检测,SIFT算法与K均值算法将用于路标的匹配识别。双目视差计算智能车与路标之间的向量,从而建立辅助定位模型计算车辆的位置。利用实验车在一处复杂环境区域进行实时数据采集,通过计算出的双目视觉定位误差与GNSS定位误差对比分析,验证了该方法在路标可见范围内对GNSS定位结果有明显改善。     

模糊自适应Kalman滤波器在无人机导航中的应用

针对具有不确定动态模型参数的GPS／INS组合导航系统，基于传统Kalman滤波器之上，介绍了一种模糊自适应Kalman滤波器，讨论了GPS／INS组合系统中模型参数不确定性的问题，给出了一种利用模糊自适应滤波方法进行数据融合的无人机定位误差修正方法；仿真结果表明，模糊自适应卡尔曼滤波器对非线性GPS／INS组合系统是很有效的，提高了定位精度。     

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。     

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cubature Kalman filter的INS/GPS组合导航滤波算法

INS/GPS组合导航系统的本质是非线性的,为改善非线性下INS/GPS组合导航精度,提出将一种新的非线性滤波cubature Kalman filter（CKF）应用于INS/GPS组合导航中.为此,建立了基于平台失准角的非线性状态模型和以速度误差及位置误差描述的观测模型,分析了CKF滤波原理,设计了INS/GPS组合滤波器,对组合导航非线性模型进行了仿真.仿真结果显示,相对于扩展卡尔曼滤波（EKF）,CKF降低了姿态、位置和速度估计误差,CKF更适合于处理组合导航的状态估计问题.     

GPS/INS组合导航系统中的信息融合算法研究

该文以GPS／INS组合导航系统为应用背景，对系统的模型建立进行详细的介绍，针对当前应用于其中的Kalman滤波法，它对量测噪声模型变化不能很好进行最优估计的缺点，引入了模糊自适应理论，实时地在线修正新息协方差值，以改善滤波器的性能，提高组合导航系统精度，并且还介绍了野值检测和处理方法。最后进行实时仿真，经仿真结果表明该方法是有效的。     

基于结构分解的GPS/INS组合导航粒子滤波技术

针对粒子滤波应用于GPS/INS组合导航系统时难以保证滤波实时性的问题,提出一种基于线性/非线性结构分解的改进粒子滤波算法.改进算法对状态方程进行线性/非线性结构分解,分别采用重点采样和线性卡尔曼方式进行一步预测递推,充分发挥粒子滤波和卡尔曼滤波的特点,有效降低了粒子滤波的计算量,在保证GPS/INS组合导航系统滤波精度的条件下提高了组合滤波的实时性.     

无陀螺DR及其与北斗组合导航的融合算法

介绍了我国自主研制的北斗卫星导航定位系统的基本结构和定化原理。针对该导航定位系统中存在的问题，以低成本无陀螺DR作为其补克定位方式，设计了北斗／DR组合导航定位系统，并根据无陀螺DR的特点找出了适合该系统的卡尔曼滤波算法。该算法推导出了线性形式的DR观测方程，避免了目前常用导航算法由于观测方程线性化引起的模型误差。现场跑车试验表明，给出的北斗／DR组合系统在采用自适应卡尔曼滤波算法后可以获得良好的定位精度。结合北斗系统具有的特点，分析了将北斗普通型用户机和指挥型用户机应用于大范围车辆调度管理系统中的优势。     

四元数卡尔曼滤波组合导航算法性能分析

为分析四元数卡尔曼滤波组合导航算法在飞行器姿态估计中的性能,在建立四元数卡尔曼滤波观测方程、状态方程和方差计算模型的基础上,分别设计了陀螺/加速度计/磁强计组合导航仿真算例和陀螺/加速度计初始对准实验,比较了四元数卡尔曼滤波组合导航算法相较于传统扩展卡尔曼滤波组合导航算法在计算量、收敛性、收敛速度、收敛精度方面的性能.分析结果表明该滤波器无须扩展卡尔曼滤波器的线性化过程,计算量小,算法实现简单;收敛性和收敛速度均优于扩展卡尔曼滤波器.收敛精度较扩展卡尔曼滤波器高出约两个数量级,但收敛过程中存在一个比扩展卡尔曼滤波器精度低的时间区间.     

卫星信号失效条件下SINS/GPS不同组合方式的性能比较

为了研究卫星信号失效对SINS/GPS松组合导航系统和紧组合导航系统导航性能的影响,在分析惯导系统误差方程的基础上,给出了基于卡尔曼滤波的松组合和紧组合数学模型,构建了两种组合方式的仿真平台。仿真结果显示,SINS/GPS紧组合导航系统的精度要明显优于松组合导航系统,且在卫星信号失效导致可见星数目少于4颗甚至仅有1颗时,SINS/GPS紧组合依然能够保持组合模式,并可提供高于单一惯性导航系统的导航精度,说明了SINS/GPS紧组合方式具有较高的精度和可靠性。     

INS/vSLAM system using distributed particle filter

In implementing an INS/SLAM integrated navigation system based on the vision sensor, a suboptimal nonlinear filter is used to figure out the nonlinear characteristics in measurement and noise model. When a conventional centralized filter is used, however, the entire state vectors need to be reconfigured in every necessary cycle as the number of feature points changes, which is hard to isolate potential faults. Furthermore, any change in the number of feature points and a subsequent increase in the dimension of state variables may result in an exponential growth in computation quantities. In order to address these issues, this paper presents a distributed particle filter approach for implementing a vision sensor based INS/SLAM system. The proposed system has several local filters which are subject to change flexibly by the number of feature points, and separates state vectors into sub-states for vehicle dynamics and feature points so that minimum state vectors can be estimated in the master filter. Simulation results show that the distributed particle filter performs competitively as with the centralized particle filter and is capable of improving computation quantities.     

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。     

MEMS SINS-GPS组合导航系统设计

为实现满足中低精度要求的低成本导航系统,选用MEMS惯性传感器研制了捷联式惯性导航系统(SINS);针对MEMS惯性传感器噪声较大和惯性导航系统误差随时间迅速累积的问题,利用小波对MEMS陀螺信号进行了降噪处理,并采用SINS-GPS卡尔曼滤波组合导航系统以消除惯导系统的误差累积,输出较高精度的速度、位置信息.对SINS和组合导航系统进行了仿真实验,实验结果表明所建系统的长时间导航性能有一定改善.     

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.     

GPS/SINS紧组合导航系统信息融合技术研究

为了提高复杂环境条件下导弹的导航精度,以GPS/SINS紧组合导航系统为研究对象,首先研究了GPS/SINS紧组合导航系统的数学模型;然后对扩展卡尔曼滤波和无迹卡尔曼滤波的算法进行了详细的分析;最后将这两种滤波算法应用到GPS/SINS紧组合导航系统中。系统仿真结果表明,UKF在位置、速度的估计精度上均优于EKF,并且UKF具有更好的稳定性和收敛性。