运载器深空动力飞行INS/CNS/Doppler系统导航方法研究

提出了一种运载器深空动力飞行阶段的精确自主导航方法。以捷联惯性导航系统为主导航系统,并辅以天文导航、多普勒导航,利用信息融合技术,构成 SINS/CNS/Doppler 组合导航系统。以惯性导航的信息误差量作为系统状态量,建立系统数学模型,在天文观测信息的基础上,利用单程多普勒频移测量运载器与地面站的相对速度,采用联邦滤波算法将观测信息有效地融合在一起,完成运载器深空动力飞行阶段的导航任务。对提出的导航方法进行了数值仿真, 仿真结果表明,该方法的导航速度估计精度达到 0.04m/s,姿态估计精度达到 1 角秒以下,具有很高的导航精度。     

新一代航天测量船导航系统信息融合技术

分析了我国航天测量船导航系统的优缺点,提出了一种基于分散化滤波理论的联邦卡尔曼滤波体系结构（FKF）,并研究了其最优融合估计算法和实时性。仿真结果表明,它可以有效地提高组合导航系统的精度和容错性能。最终的设计方案已成功应用于一种航天测量船组合导航系统中。     

INS/CNS/GPS组合导航数据融合算法与仿真研究

研究了INS/CNS/GPS组合导航系统的原理和特点,建立了组合导航系统的数学模型。分别利用集中卡尔曼滤波和联邦滤波数据融合原理对此系统进行了仿真研究,并指出了集中滤波器的不足之处。仿真结果表明采用全球定位系统和天文导航系统对惯导系统误差进行修正不仅可以大幅度提高导航精度,而且通过比较和分析可知联邦滤波可以有效地提高导航系统的可靠性和复原能力,是理想的容错型信息融合算法。     

捷联式天文惯性导航融合方法研究及仿真

针对传统的天文惯性组合定位定向法不能有效修正惯性导航系统传感器误差所造成的导航误差，研究了一种新的惯性天文融合方法。利用天文导航系统量测的姿态，根本上抑制陀螺漂移误差，进而提高系统的姿态、速度及定位精度。     

一种基于信息融合的滤波算法及其应用

本文从组合导航系统研究的角度出发,提出了一种应用卡尔曼滤波技术建立多传感器信息融合系统的方法,该方法克服了以往存在的局部滤波器和全局滤波器具有相同数学模型的缺点,增强了算法的通用性.文中从概念理解、模型建立、系统结构等方面作了详细的分析,并针对GPS/INS组合导航系统进行了仿真.结果表明:该算法对提高导航系统的精度和运算速度是行之有效的.     

基于AR模型的双惯性导航系统信息融合

为了提高惯性导航系统测量数据的精度,提出基于AR模型的卡尔曼滤波方法对动态测量数据进行处理,并对双惯导组合导航系统采用最优加权方法对滤波后的数据进行融合处理。通过对实际测量数据的分析,结果表明单个惯性导航系统的滤波误差最大值为2＇左右,极大地提高了惯性导航系统的数据输出精度。采用最优加权方法对数据进行融合处理,不仅再次提高了数据的精度,而且给用户提供了一个准确而又可靠的结果。     

重力梯度数据在导航系统中的应用

通过无迹滤波(UKF)技术将重力梯度数据应用于导航系统中,研究重力梯度辅助导航系统的可行性与优异性。首先分析了在重力梯度图数据获取的前提下如何进行重力梯度仪信号的模拟,给出了一个先插值再加入噪声最后进行滤波的操作方法。随后根据滤波算法的需要建立了重力梯度辅助惯性导航系统的数据融合模型,并对数据融合算法进行了简单分析。最后对重力梯度辅助导航系统进行了仿真分析,主要通过对比研究没有外部辅助的惯性导航系统和有重力梯度数据融合的导航系统性能,论证了重力梯度数据在导航系统中应用的可行性与优异性。     

车载GPS/DR组合导航系统数据融合算法研究

本文介绍了车载ＧＰＳ／ＤＲ组合导航系统的设计,建立了表示车辆加速度及影响组合导航系统定位精度的主要误差的数学模型。针对迭代扩展组合卡尔曼滤波算法中,由于ＤＲ系统误差的引入导致滤波效果不好的问题,提出了一种新的组合导航系统的数据融合算法。对实际跑车数据的处理结果表明,该算法在提高组合导航系统的定位精度及可靠性和完整性方面是有效的。     

基于UKF的神经网络自适应全局信息融合方法

为了解决神经网络(NN)在数据融合过程中权值实时更新问题,依据神经元激活函数的非线性特点,提出了一种利用Unscented卡尔曼滤波(UKF)实现神经网络权系数自适应调整的模型及方法,从而使全局融合信息最优.并分别以仿真数据及DGPS/GPS/RLC/罗经等设备组成的舰船导航系统实测数据为例,首先对各局部滤波器进行UKF滤波,然后分别利用神经网络卡尔曼滤波(NNKF)及神经网络非线性卡尔曼滤波(NNUKF)进行数据融合,仿真和试验结果表明,所提方案对提高整个系统的精度和运算速度是行之有效的.     

SINS/CNSSAR组合导航系统设计与高性能算法研究

在吸收SINS、CNS和SAR三者优点的基础上,设计了SINS/CNS/SAR组合导航系统,建立了该组合导航系统的非线性数学模型;然后,在研究抗差自适应滤波和粒子滤波优点的基础上,提出了一种新的抗差自适应Unscented粒子滤波算法和自主导航多源信息融合算法.将提出的算法应用于SINS/CNS/SAR自主导航系统中进行计算仿真,并与Unscented卡尔曼滤波和粒子滤波比较,结果表明:提出的新算法不仅解算精度明显高于Unscented卡尔曼滤波和粒子滤波算法,而且可靠性好,能提高组合导航系统的精度.     

SINS/视觉组合导航系统融合算法

捷联惯性导航系统(SINS)/视觉组合导航系统的融合算法主要是卡尔曼滤波,卡尔曼滤波实现最优估计的前提是系统的模型必须准确已知。对于SINS/视觉组合导航系统,获取量测信息需经图像处理、特征点提取和匹配等过程,使量测噪声统计模型不完全可知,这会导致卡尔曼滤波器的估计精度下降。因此,该文提出一种改进的自适应两级卡尔曼滤波,根据求解遗传因子的不同方法对传统自适应两级卡尔曼滤波进行改进。改进后的算法分别适用于系统噪声统计模型和量测噪声统计模型不准确可知两种情况,且二者具有统一的滤波框架。仿真结果表明,改进的自适应两级卡尔曼滤波比卡尔曼滤波精度高,有效解决了SINS/视觉组合导航系统因噪声统计模型不准确导致的精度下降问题。     

正逆向滤波在惯性卫星组合导航中的应用

为满足高性能惯性/全球卫星导航系统(GPS)组合导航的要求,进一步提高卡尔曼滤波算法在组合导航定位中的解算精度,考虑利用逆向数据处理和加权平滑的融合算法,提出一种正逆向融合的卡尔曼滤波算法应用于惯性/GPS的松组合导航中。分析了正逆向融合的卡尔曼滤波算法的解算方法,并与普通正向卡尔曼滤波算法做出比较。实验部分采用车载传感器采集的实测数据,通过对两种方法解算结果的误差分析,表明了正逆向融合的滤波算法在定位精度方面优于传统正向滤波算法。     

联合卡尔曼滤波器在数据融合中的应用

介绍多传感器数据融合中联合卡尔曼滤波器的设计步骤，并将此方法用于舰船组合导航系统，计算机仿真和理论分析表明，该滤波器可以做到全局最优，其结构遵循信息分配原则，提高了系统的数值稳定性和容错性，减小了数据传输的工作量与计算量，便于计算机实现，能够满足组合导航系统需要。     

机载航电系统中多源信息模糊自适应融合技术

为了保障导航的精度与可靠性,目前常采用多源信息融合导航。针对ADS/IRS/GPS组合导航系统,采用基于自适应信息分配的联邦滤波结构处理信息融合问题,并把模糊推理技术融入到ADS/IRS卡尔曼滤波器中,对IRS/GPS子滤波器采用紧组合模式,上述结构算法能对多源导航信息进行最优融合与处理。建立了ADS/IRS模糊自适应卡尔曼滤波模型以及IRS/GPS紧组合滤波模型,设计了自适应信息分配的联邦滤波算法,并进行了仿真,仿真结果验证了设计算法的有效性。     

MIMU／GPS组合导航模糊自适应卡尔曼滤波研究

针对组合导航初始对准中存在模型误差时常规卡尔曼滤波容易发散的问题,提出了一种模糊自适应卡尔曼滤波算法。该算法采用模糊控制规则,根据新息的方差和均值变化自适应调整量测噪声权值矩阵。此算法运用于MIMU/GPS组合导航初始对准中,获得了较高的导航精度。仿真结果表明,该算法能够有效防止滤波发散,减少模型误差对滤波结果的影响,提高了滤波精度,实现了参数的在线调整。     

新型自适应Kalman滤波算法及其应用

为防止滤波发散和提高系统的实时性,提出了一种新的自适应Kalman滤波算法.该算法利用滤波异常判据获得一个滤波状态因子,通过滤波状态因子确定量测噪声协方差阵的值,在线调整噪声的统计特性实现自适应滤波.将该算法应用到惯导/双星组合导航系统中,并和常规Kalman滤波和简化的Sage-Husa自适应滤波算法进行仿真比较.仿真结果表明,在滤波精度与简化Sage-Husa自适应滤波相当的情况下,新算法简化了运算,提高了实时性.     

惯性/地磁组合导航系统自适应卡尔曼滤波算法研究

针对惯性/地磁组合导航中遇到的滤波的发散问题,采用自适应卡尔曼滤波估计导航系统的误差.该算法通过实时估计和修正系统噪声以及观测噪声的统计特性达到降低模型误差、抑制滤波发散的目的.在Matlab环境下的仿真证实了该方案可以防止滤波器发散,缩小滤波误差,提高滤波精度.     

鲁棒的DME/DME/SINS组合导航算法

测距机（DME, distance measuring equipment）/DME/捷联惯导系统（SINS, strap-down inertial navigation system）的组合导航系统是区域导航（RNAV, area navigation）中常用的导航源。本文提出了一种鲁棒的DME/DME/SINS组合导航算法。首先以SINS误差方程为基础建立起卡尔曼滤波的状态方程;其次推导斜距误差与系统状态变量间的数学关系,并以此建立量测方程;最后针对DME输出的斜距中的野值影响导航精度这一问题,采用一种鲁棒性能较好的基于Huber的卡尔曼滤波算法实现信息融合。实验结果表明：所设计的组合导航算法可以满足RNAV-1的导航需求,由于采用了基于Huber的卡尔曼滤波算法,算法鲁棒性较好,能有效应对量测野值对系统的干扰。     

一种新型的INS与UWB融合的室内行人跟踪方法

针对单一室内定位系统定位精度低、鲁棒性差的问题,提出了一种新型的基于动态鲁棒容积卡尔曼滤波的超宽带(Ultra-wideband,UWB)与惯性导航系统(Inertial Navigation System,INS)融合的定位方法.首先建立了一种易于实现的UWB-INS融合定位框架,然后提出了一种动态鲁棒容积卡尔曼滤波...     

基于成像激光雷达的地形辅助导航研究

成像激光雷达通过扫描可以测量高精度的地形数据,基于成像激光雷达的地形辅助导航系统是纠正惯导误差的有效手段.根据激光雷达测距模型提出了基于成像激光雷达的地形辅助导航系统,将激光雷达看作一个多维距离传感器阵列,利用卡尔曼滤波器迭代估计系统的状态误差,从而纠正惯导累积误差.根据激光雷达测距关系推导了系统的扩展卡尔曼滤波方程,并对成像激光雷达多维测量数据采用最小均方误差准则进行融合,融合滤波器组合了多个测量数据的信息,有效克服了测量噪声和数据丢失对单个滤波器的影响,从而提高了导航性能.然后利用局部可观测性对系统的性能进行了分析,并对提出的算法作了大量的仿真实验进行验证.