最优平滑算法在GPS/SINS组合导航系统事后分析中的应用

组合导航系统通常采用Kalman滤波来实现对系统状态的估计，由于最优乎滑算法的精度比Kalman滤波的精度高，并且平滑结果反映了系统在理想情况下能够达到的潜在精度．因此可以采用最优平滑算法对组合导航系统进行事后分析。本文介绍了R-T-S最优平滑算法，并将其应用于某船用GPS／SINS组合导航系统的时候分析和处理中，给出了系统仿真结构图，进行了仿真。仿真结果表明，平滑算法是一种有效的事后分析方法。     

平滑算法在航空物探高精度姿态测量中的应用

为了满足航空物探对于高精度姿态、位置基准的需求,对平滑算法在航空物探高精度姿态测量中的应用进行研究。采用SINS与单天线GPS组合导航的方案,构建了15状态Kalman滤波器。通过仿真实验和转台实验分析了机动对于状态估计的影响,对比了Kalman滤波与R-T-S(Rauch-Tung-Streibel)平滑的估计效果。实验结果表明:经过R-T-S平滑处理后,可以显著提高组合导航系统的状态估计精度,在长航时高动态条件下为航空物理探测仪器提供高精度的参考基准。     

两种车载导航分散滤波算法对比及应用研究

针对航位推算/惯性导航/GPS(DR/INS/GPS)组合导航系统的多信息源融合,提出了基于局部反馈校正的联邦滤波和串级滤波两种算法,并进行对比研究.跑车实验结果证明,两种分散滤波算法在正常导航(无传感器故障)情况下都能有效提升车载导航系统的精度和可靠性,且前者定位精度较后者高;但后者能够消除DR误差前期积累,避免GPS失效时的定位输出"突跳"和"毛刺",具有更好的应用价值.     

低成本IMU/GPS车辆组合导航系统设计与仿真研究

设计了一种低成本的IMU/GPS车辆组合导航系统.采用低精度的陀螺仪和加速度计作为惯性测量器件,构成惯性测量装置(IMU);然后,将该IMU与GPS构成组合导航系统,通过设计高效的组合导航算法来提高组合系统的定位精度.实验仿真结果表明,该低成本IMU/GPS车辆组合导航系统具有较高的导航精度,同时有效降低了系统成本.     

SINS辅助GPS检测技术在弹载组合导航中的应用

针对弹载SINS/GPS深组合导航系统提出一种动态检测GPS信号有效性的方法。推导了基于卡尔曼滤波理论和GPS伪距、伪距率量测的SINS/GPS深组合导航算法,通过分析滤波器残差统计特性设计了基于残差χ2检验的GPS信号故障检测算法和基于切比雪夫大数定理的GPS信号故障隔离算法。理论和仿真分析表明:利用SINS辅助GPS故障检测可进一步提高深组合导航系统的动态抗干扰能力,在GPS单颗或多颗卫星数据出现故障的条件下有效保障组合导航系统的导航精度。     

GPS失锁情况下基于神经网络的组合导航算法研究

文中针对GPS/SINS组合导航系统中GPS信号失锁问题进行研究,采用基于神经网络的组合导航算法.在GPS信号失锁时间段内,用神经网络模拟GPS的信息,进行信息融合.文中给出了基于神经网络的组合导航系统模型,并进行了数学仿真研究,结果表明,引入了神经网络的组合导航系统,在GPS信号失锁时,能保证一定的导航精度.本文为组合导航系统中GPS信号失锁问题的解决提供了一种方法.     

自主式车载组合导航系统误差修正技术研究

考虑到车载组合导航系统运行时间长、地形环境复杂的特点,将零速修正技术与激光捷联惯导/里程计/气压高度表组合导航系统相结合,采用序贯处理和平方根滤波算法,建立了实用的卡尔曼滤波模型,相比基本卡尔曼滤波算法,该方法实现简单,计算量小,抑制滤波的发散,提高了滤波的精度.最后对组合导航系统进行仿真验证,对误差的修正取得了较为满意的结果.相比LSINS/GPS组合导航系统,该系统具有良好的自主性及适应性.     

一种新型的改进UKF在MIMU/GPS组合导航系统中的应用

对于MIMU/GPS组合导航系统,采用传统UKF进行滤波时,其Sigma点集的MSE会随系统维数的增大而不断增大,导致估计精度越来越差,尤其是姿态误差角的估计会出现较大偏差.针对这一问题,提出了一种基于超立方体代表点的改进UKF算法并将其应用于低成本MIMU/GPS组合导航系统.仿真结果表明,改进的UKF算法对于高维强非线性组合导航系统的估计精度优于传统UKF,更适用于大角度姿态误差的准确估计.     

基于双联邦UKF算法的组合导航数据融合方法

为了提高组合导航系统数据融合的精度和容错性,提出一种双联邦UKF组合导航数据融合方法.采用双联邦UKF滤波器的算法将JTIDS相对导航技术与成熟的GPS/INS/DVS组合导航技术相结合组成新的双联邦UKF组合导航数据融合算法.联邦UKF算法将UKF算法和分散式滤波技术相结合,精度高容错性好,JTIDS相对导航技术精度高抗干扰能力强.主滤波器1对GPS/INS/DVS组合导航信息进行融合后与JTIDS相对导航信息在主滤波器2中融合,提高了组合导航系统的可靠性和容错性.数值仿真实验表明,该算法性能优于单纯采用联邦GPS/INS组合导航算法是一种理想的组合导航滤波方法.     

基于小波降噪误差方差模型的GPS/SINS组合导航技术

为进一步提高GPS/SINS组合导航系统的精度,对基于小波降噪误差方差模型的GPS/SINS组合导航技术进行研究。根据小波多尺度理论,分析了小波降噪前后信息的误差方差模型间的理论关系,推导出在小波多尺度分析中平滑信号误差的理论方差模型,将该理论模型引入到GPS后,试验分析证明理论分析与试验结果基本一致;然后以该理论模型为基础,提出了基于小波降噪误差方程模型的GPS/SINS组合导航系统并进行了静态试验验证。试验结果表明,该模型能显著地提高组合导航系统各项导航参数的精度。     

基于位置点匹配的GPS/DR组合导航系统地图匹配算法

提出了一种基于位置点匹配的地图匹配算法，该算法综合考虑了车辆的航向和速度信息、网络的拓扑结构和各种可能存在的误差，并在各个部分使用了相应的判决准则，使算法在整体性能上得到很大的改善。最后通过实际应用，验证了该算法的正确性。     

GPS在自行火炮中的应用

介绍了导航型GPS与惯导相结合被广泛应用于自行火炮中及军用车辆导航，测量型GPS使用两个独立天线配合计算机可获取车体纵轴与真北的角度完成车体定向，还可完成火炮身管指向测量，使用3个天线可完成车体姿态的测量，将移动站GPS天线装在飞行目标上可完成自行火炮综合试验中目标真值的测量；以及这几种测量的实现方法，列出了部分试验数据。     

SINS/GPS 组合导航卡尔曼滤波算法研究

针对单独使用某一种的导航设备都无法满足机载火控系统和飞行系统要求的问题,推导出 SINS/GPS 组合导航中的一种新的卡尔曼滤波算法.将有色噪声的白化处理引入到卡尔曼滤波器,设计了一套动态车载组合导航试验系统,给出了基于有色噪声白化的卡尔曼滤波器算法的具体步骤,以动态车载 SINS/GPS 组合导航系统试验的数据分析验证了此算法的正确性和合理性.分析结果表明:基于有色噪声白化的卡尔曼滤波器可以很好地解决有色噪声的影响,弥补了传统卡尔曼滤波器的不足,提高了导航结果的精确度.     

舰船导航信号非线性UKF滤波定位解算方法研究

根据UKF( unscented Kalman fliter)的工作机理,对所建立的双星(GPS、劳兰C)／航位推算(DR)舰船组合导航连续非线性系统模型进行解算,形成一套UKF在舰船组合导航中的递推算法。该方法根据随机变量的先验统计特性,按照特定的规则将状态变量分解成2n +1维的散布形式,然后利用统计线性回归技术,实现对非线性函数的线性化,可以获得更小的线性化误差。实船数据试验表明：UKF算法与扩展卡尔曼滤波(EKF)算法相比,系统稳定性更好,滤波器估计精度更高。     

惯性辅助的单频GPS 整周模糊度快速求解

为改善法矩阵病态性,实现整周模糊度快速求解,提出惯性导航系统(inertial navigation system,INS)辅助单频GPS整周模糊度求解算法。将惯性伪距单差、GPS伪距双差、载波相位双差联立得到模糊度浮点解及其协方差阵,利用LAMBDA算法求解出整周模糊度固定解。分析引入惯性信息改善复共线性和病态性的原因,并利用GPS实测数据与仿真 INS数据进行实验验证。实验结果表明：INS辅助信息使得法矩阵条件数减小2个数量级,模糊度衰减因子下降55.81%,整周模糊度固定解求解的时间缩短75.44%,方法可行。     

一种惯性/GPS伪距/伪距率组合导航算法

紧组合技术是当前惯性/卫星组合导航技术的发展趋势,而惯性/卫星伪距/伪距率组合导航算法是紧组合技术的基本算法。本文提出了一种惯性/卫星伪距/伪距率的组合导航算法的实现方法,并采用惯导和接收机的动态数据进行了离线仿真,仿真结果表明,本文提出的伪距/伪距率的组合导航算法直接采用接收机测量的伪距、伪距率信息作为观测量,能够准确估计惯导误差,消除了量测输入的相关性问题,尤其是在GPS卫星数为2时仍能保持较高的导航精度,为惯性/卫星紧组合技术的进一步研究奠定了基础。     

基于INS/GPS的智能导弹协同作战相对导航系统研究

提出了一种基于惯性导航系统和GPS导航系统的相对导航系统,这一系统是智能导弹协同作战的关键技术之一,相对导航系统通过智能导弹之间的数据链共享导航信息,采用卡尔曼滤波融合相对惯导信息和相对GPS信息,从而实现相对导航.给出了两种相对导航系统模型,并通过仿真研究校验了相对导航方法的有效性.     

GPS/GLONASS/DR组合定位技术

GPS/GLONASS/DR组合定位是将卫星定位和传感器及里程仪的数据融合,给出最优估计输出,实现目标全球组合定位.分切换式和卡尔曼滤波组合.切换式分GPS/GLONASS和DR模式,若卫星定位信号失效或小于门限值则切换到DR模式.卡尔曼滤波由滤波器处理卫星定位和DR传感器及里程仪的数据,再将车辆位置、行车方向和定位误差等滤波估计值输入地图匹配模块,计算出匹配位置坐标,进行全局最优估计,得出最终的组合定位输出.