UKF在INS/GPS直接法卡尔曼滤波中的应用

提出将Unscented卡尔曼滤波(UKF)用于INS/GPS组合导航系统的直接法卡尔曼滤波,避免了对非线性的系统状态方程进行线性化.以INS输出的导航参数及平台误差角等作为系统状态,惯导力学编排方程和姿态误差方程作为系统状态方程,GPS输出的导航参数作为量测,采用UKF方法对系统导航参数直接进行估计.仿真结果表明,UKF方法有效地解决了直接法卡尔曼滤波中系统状态方程的非线性问题,并使INS/GPS组合导航系统具有较高的导航定位精度.     

UKF滤波在MIMU/GPS组合导航系统中的应用

微惯性测量组件(MIMU)的陀螺和加速度计随机误差较大,系统短时间内的计算误差发散很快,本文推导了惯导误差的Φ角非线性模型,模型的状态变量包括:位置误差,速度误差,数学平台的姿态误差角,陀螺和加速度计的常值偏置.MIMU经过初始对准后,方位误差角可能仍然很大,误差具有较强的非线性,本文使用UKF滤波方法来对误差进行估计,利用GPS来辅助MIMU进行组合导航,通过输出和反馈互相结合的混合校正方式提高了导航精度.     

基于Cortex-M4的多传感器组合导航系统设计

针对移动机器人导航定位需求,设计了一种低成本、便携式的多传感器组合导航系统.采用ARM Cortex-M4内核的STM32F407处理器为电路核心,利用微惯性测量单元(MIMU)、全球卫星定位系统(GPS)以及电子罗盘作为导航数据源,进行了相关的硬件设计;采用移动导航平台进行实验验证,通过实测数据进行分析,结果表明:该组合导航系统可以有效提高导航精度,使其导航定位经纬度误差稳定在1.0m左右,航向角误差稳定在0.8°以内,对移动机器人导航有一定的参考价值.     

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。     

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。     

列车组合导航系统研究与仿真

提出了一种列车组合导航系统.首先,采用低精度的惯性传感器构成简易惯性测量装置(IMU),设计了该简易IMU的安装结构,并给出了其导航定位解算方法.然后,将简易IMU与GPS构成组合导航系统,分析了IMU和GPS各自的误差源,并建立了组合系统误差模型,从而利用卡尔曼滤波技术设计了IMU/GPS列车组合导航算法.仿真结果表明,该IMU/GPS列车组合导航系统具有精度高、可靠性好、成本低等显著优点,非常适用于列车导航定位.     

低成本MIMU/GPS组合导航研究

针对微惯件测量组合无法长时间单独工作、GPS卫星信号不稳定的问题,提出MIMU/GPS组合导航的方法.对MIMU的误差建立模型,采用松组合方式,设计卡尔曼滤波器,除取姿态、速度、位置的误差作为状态变量外,另取仪表的误差作为状态变量.对姿态、速度、位置进行反馈校正.在GPS卫星信号在某些条件下短时间丢失的情况下,微惯性测量组合单独导航,然后再重新获取GPS卫星信号的情况下进行Kalman滤波组合导航仿真,仿真结果表明该算法简单易实现,能满足导航精度要求,且在GPS卫星信号短时间丢失的情况下有较高的导航精度.     

高精度组合导航系统仿真

以车载捷联惯导系统SINS与全球定位系统GPS的组合导航系统为研究对象,为了解决常规卡尔曼滤波器在非线性时变系统中由于线性化误差导致滤波发散的问题,将UKF算法引入到SINS/GPS组合导航系统。UKF同时适用于线性系统和非线性系统,且不需要对噪声的统计特性精确已知。通过建立SINS/GPS组合模型,对其进行了MATLAB仿真。对比常规卡尔曼滤波器与UKF算法的滤波效果可知,UKF算法提高导航解的精度和收敛速度,同时系统的鲁棒性也得到了提高。     

UKF在INS/GPS组合导航直接法滤波中的应用

INS/GPS组合导航系统直接法滤波中是直接以导航系统输出的导航参数(位置、速度等)作为状态,所以系统方程为非线性方程。UKF(Unscented Kalman Filter)是一类以UT变换为基础,以卡尔曼线性滤波为框架,采用确定性采样策略逼近非线性分布的非线性滤波算法。由于它是对后验概率密度进行近似来得到滤波估计,所以避免了非线性系统中状态方程的线性化问题,能较好地解决系统方程非线性问题。论文INS/GPS组合导航系统中采取直接法,建立非线性模型进行UKF滤波解算,并与EKF方法比较,实验结果显示UKF方法能更好地解决系统状态方程非线性的问题,并得到更高的导航精度。     

基于UKF的惯导/被动导引头组合位置修正方法

在导弹末制导阶段,结合自适应UKF滤波方法和直接滤波模型实现惯导/被动导引头组合导航,以提高惯导系统定位精度.首先采用惯导参数和导引头视线信息建立非线性模型,然后结合模型特点对UKF滤波流程进行简化,并针对系统状态变化较快和量测噪声不稳定的特点给出改进的自适应UKF滤波方法,能实现视线信息辅助修正惯导系统位置误差.仿真结果表明,该滤波方法具有较高的估计精度和较快的收敛速度,7s时惯导/被动导引头组合定位误差不高于30m.