基于 EM 估计的多模型车载组合导航算法

针对行车过程中车载全球卫星导航系统受遮挡产生多径效应、可见星数量少等影响,造成的定位精度差的问题,提出了 一种基于期望最大化(EM)的交互式多模型车载组合导航算法。 本文采用了混合高斯分布模型描述 GNSS 多径效应误差分布, 提出了基于 EM 的 SINS / GNSS 子系统组合导航信息融合方法,实现多径效应偏置误差的估计。 建立了基于零速约束的 SINS / OD 组合导航模型,同时利用交互式多模型算法实现了在 GNSS 信号丢失情况下的导航模型交互融合,提高了车载组合导航系 统精度。 车载实验结果表明在 GNSS 多径效应及信息丢失条件下,本文所提出算法能有效提高导航精度,多径效应的混合高斯 模型偏置为 10 m 条件下,偏置估计误差小于 0. 5 m,水平最大定位误差为 2 m,比传统交互式多模型算法定位误差降低 84. 62% 。     

引入滑模观测器的GPS/INS组合导航滤波方法

由低成本器件组成的卫星/惯性(GPS/INS)组合导航系统中,存在较大的非线性与不确定性,为改善这一问题,本文提出一种引入滑模观测器(SMO)的滤波方法。首先,该方法建立了组合导航系统模型,介绍了扩展卡尔曼滤波(EKF)计算过程并分析存在的不足。然后,介绍了滑模观测器的基本原理,根据系统构建观测器。最后,说明了引入滑模观测器的EKF组合导航算法实现流程,滑模观测器将模型误差、状态估计以及均值方差融入EKF算法,修正系统输出。通过轨迹仿真实验与车载实验验证了所提方法优于传统EKF算法,具有更高的滤波精度。在车载实验中,卫星信号失锁15 s情况下,与EKF方法相比,所提方法的东向位置误差降低了53%,北向位置误差降低了37%,证明该方法能够有效抑制GPS/INS组合导航误差发散,为以后工程实践提供一定的参考价值。     

基于FPGA的GNSS/INS组合系统时间同步设计

为解决组合导航系统中的GNSS和INS数据的时间同步问题,研制开发了一种基于FPGA的低成本时间同步系统,实现INS或其他辅助导航传感器测量数据与GNSS接收机数据之间的时间同步.通过实验结果证实,所设计的时间同步系统的精度可达600μs,满足大多数中高精度INS/GNSS组合系统的同步测量要求,并对姿态误差进行研究,可以看出,设计的时间同步系统可以将姿态误差控制在一个较小的范围内,从而验证了时间同步系统的可行性.     

基于GNSS/INS组合定位的自动公交报站系统设计

设计一种基于GNSS/INS组合定位的自动公交报站系统,解决传统GNSS公交报站设备在高楼、林荫等复杂环境下定位无效,位置数据漂移、不准确,不能自动报站的问题.GNSS/INS组合定位利用GNSS、陀螺仪和加速度计等多种传感器组合定位,GNSS子系统获取全球卫星定位数据,INS子系统获取惯性定位数据.采用扩展卡尔曼滤波算法融合GNSS子系统和INS子系统的数据,充分发挥GNSS子系统在空旷环境下定位准确的优点,同时对INS子系统的数据不断修正;利用INS子系统短时间数据的高精度弥补GNSS子系统复杂环境下的不稳定性,达到优势互补.该自动公交报站系统可以保证高楼、林荫、城市立交桥和城市高架桥等遮挡环境下定位的准确性、稳定性,实现准确的自动报站,具有很好的市场应用前景.     

面向室内行人的Range-only UWB/INS紧组合导航方法

为了提高室内行人组合导航系统的精度和灵活性,提出了一种Range-only超宽带(UWB)/惯性导航系统(INS)紧组合导航方法。该方法将锚点的位置信息引入到系统状态变量中并通过数据融合滤波器进行预估,以克服传统UWB/INS紧组合导航模型中需要预先获取锚点位置信息的缺点,减少锚点位置信息精度对组合导航系统的影响。在此基础上,利用迭代扩展卡尔曼滤波(IEKF)来完成组合导航系统的数据融合滤波,以提高对目标行人导航信息的预估精度。实验结果显示,所提方法的平均绝对位置误差与传统UWB/INS紧组合方法相比降低了11.69%,算法对锚点位置信息的依赖程度也显著降低。     

复杂环境下 GNSS / INS / UWB 紧组合的 无人机协同导航算法

针对多无人机系统在复杂环境下卫星信号易受到干扰的问题,提出了一种基于环路和积算法的协同导航方法。根据传感器的特点,设计了基于GNSS/INS紧组合的绝对导航和UWB辅助的卫星双差紧组合相对导航,然后使用各个平台自身的绝对导航信息和平台间的相对导航信息,构建协同导航滤波器,基于环路和积算法,设计了消息传递规则,减少了平台间的流量,计算任务在各个平台上分布运行,减小了计算压力。最后对不同复杂场景进行了仿真和物理实验,结果表明该方案的协同导航精度明显优于不进行协同导航的结果,且随着可观测信息的增多,该方法导航精度越来越高。     

水下潜航器的惯导/超短基线/多普勒测速信息融合及容错验证

针对水下潜航器惯导系统的定位误差积累和容错性差等问题,分析了水声超短基线的相位差定位方法,推导了基于惯导提供实时位置、姿态误差角信息的惯导/超短基线(INS/USBL)导航解算过程及其坐标转换。结合惯导/多普勒测速(INS/DVL)滤波器,给出INS/USBL/DVL组合导航联邦滤波在3种信息融合算法下的应用。通过MATLAB仿真对导航算法进行了验证,结果表明该导航算法能够抑制惯导系统误差随时间发散的问题,能充分利用了3种导航系统提供的参数信息,且状态维数低,滤波收敛速度快,其中基于精度因子信息分配方法的导航系统误差最小。容错性验证结果显示,当超短基线出现故障时,重构后的组合导航系统在较高航速情况下依旧能提供有效的导航参数。所提出的INS/USBL/DVL组合导航联邦滤波方法能够精确地提供水下潜航器的各位导航参数信息,且具有较高的容错性和稳定性。     

基于双通道 Residual-LSTM 的 SINS / GNSS 组合导航算法

针对全球导航卫星系统信号中断情况下 SINS / GNSS 组合导航系统无法持续进行误差校正的问题,提出一种基于双通 道 Residual-LSTM 的 SINS / GNSS 组合导航算法。 首先,考虑到 SINS 经度、纬度误差传播特性不同所导致的模型输入、输出信息 之间的非线性相关性差异化,构建具有不同权重系数的双通道长短期记忆神经网络模型结构,并引入遗忘信息共享机制自适应 地利用历史导航数据对经度、纬度信息进行拟合预测。 其次,针对深层神经网络存在的模型退化和梯度消失问题,在多层双通 道 LSTM 网络之间建立残差高速通道形成 Residual-LSTM 模型结构,以增加不同网络层次之间的信息传播路径。 最后,通过实 船数据验证本文所提算法的有效性。 实验结果表明,与基于常规智能方法的 SINS / GNSS 组合导航算法相比,所提组合导航算 法在 GNSS 信号中断期间经度误差降低了 51. 97% ,纬度误差降低了 31. 45% 。     

故障修复增强的抗差滤波 PDR/ GNSS 行人导航方法

针对复杂环境下智能手机卫星信号容易受到干扰而引起组合导航精度降低的问题,提出一种基于故障修复的抗差滤波 行人导航方法。 该法首先利用等价权因子实时调整观测权值,以有效地减少观测粗差对组合导航精度的影响。 其次,针对松组 合系统没有观测冗余的模型局限性,将抗差扩展卡尔曼滤波检测区间分为无故障、偏离和异常 3 段。 无故障时,不做处理;出现 偏离时,对观测值进行降权处理;异常情况下,利用预测新息对故障进行幅值修复,进而修正观测值。 实际实验结果表明,当 GNSS 出现单历元故障时,经典的抗差滤波方法能够有效提高智能手机 PDR/ GNSS 组合导航定位精度,其北向最大误差由 7. 27 m 减小为 3. 20 m,东向最大位置误差由 24. 01 m 减小为 6. 60 m;在 GNSS 出现多历元连续故障时,所提出的故障修复增强 的抗差滤波方法相比经典的抗差滤波方法的平均定位误差下降了 50% 以上。     

基于卡尔曼滤波的车辆组合导航仿真研究

针对传统车载导航系统在复杂道路环境下定位精度偏低等问题,提出了应用全球定位系统与航位推算相结合的组合导航算法,使用卡尔曼滤波进行数据处理,实时调整参数值,将卡尔曼滤波器调整到运行过程中的最佳状态,从而提升导航系统的准确度。实验结果表明,所提方法可以提升车载导航系统的准确性和连续性,保证车辆定位曲线和车辆实际行驶路线基本吻合,但是定位误差会随着信号中断时间的延长而增大。     

垂线偏差对惯导系统位置误差的影响分析

针对制约高精度惯性导航系统精度的垂线偏差误差项问题，研究了垂线偏差对惯性导航系统水平位置误差的影响及各级惯导系统误差补偿时垂线偏差的指标需求。首先，推导了垂线偏差引起的惯导系统误差项的直接差分法和四阶龙格库塔数值更新算法，对比分析了两种算法在不同地区的水平位置误差的更新效果；然后，采用3种分辨率的垂线偏差网格数据对惯导系统进行补偿；最后，分析了垂线偏差补偿频率对位置误差补偿的效果并开展了车载导航DOV补偿实验。仿真及实验结果表明，两种误差更新算法都可以有效计算水平位置误差；垂线偏差最大可引起近3 000 m的位置误差，水平姿态误差与方位姿态误差1 h漂移约18″和72″;经DOV补偿后，水平定位精度提升了约230 m。     

运载火箭上面级惯性与天文组合导航系统设计

针对运载火箭上面级惯性导航随时间累积而误差增大以至不能满足长时间工作要求的问题,对采用星敏感器和地球敏感器修正惯性导航误差的方案进行了研究。首先,导出了上面级常用坐标系定义和姿态转换矩阵。然后,根据惯性导航的误差传播特性、星敏感器测量方程和地球敏感器的模拟测量方程,给出了组合导航的状态方程和观测方程。最后,设计了基于Matlab/dSpace仿真平台的星敏感器在导航回路中的半物理仿真实验。实验结果表明,组合导航使惯性导航位置误差矢量和从1.1719×104m减小到1.0367×103m,速度误差矢量和从11.2827m/s减小到3.6626m/s,姿态误差从0.1°减小到5′,说明了该组合导航方案能够有效修正惯性导航时间累积误差,半实物仿真实验验证了惯性/天文组合导航方案的可行性与正确性。     

抗野值自适应卫星/微惯性组合导航方法

针对在复杂城市环境下卫星导航系统(GNSS)定位定速存在野值,导致GNSS/微惯性(MEMS-INS)组合导航状态参数滤波估计精度恶化,甚至滤波发散的问题,提出了一种抗野值自适应GNSS/MEMS-INS组合导航算法,以提高组合导航精度和可靠性。该算法利用Allan方差分析建立较为精确的MEMS器件噪声模型,有效降低模型异常和状态扰动的影响。同时利用新息序列构造观测异常检验统计量,并根据该统计量构造自适应新息加权因子调节滤波增益矩阵,削弱观测野值对状态估计的不良影响。实验结果表明,该算法能够有效地控制GNSS定位定速异常的影响,具有较强的实时性和容错性。相比于传统算法,车载定位、定速和定姿精度分别提升35.78%、60.19%和82.41%,验证了本文算法的有效性和实用性。     

GPS/INS组合导航系统的研究

讨论了飞机惯性导航系统(INS)与全球卫星导航系统(GPS)的利与弊以及卡尔曼滤波方法在组合定位中的应用情况,进一步提出了基于神经网络数据融合方法的GPS/INS组合导航系统.系统神经网络结构采用单隐层的三层神经网络,输入输出神经元数目是4个,基于256个训练样本由经验公式求得隐层神经元数目为8个,同时还建立了惯导系统的数学模型和数据融合的数学模型.给出了利用MATLAB编制的神经网络训练程序并对这一神经网络进行了训练和仿真.实验表明,组合导航系统经度误差可达9m,纬度误差可达8m,与单独GPS定位和INS定位相比精度得到了提高.     

惯性/地磁组合导航技术研究

针对此前地磁导航系统完全采用图匹配方式的精度问题,改进了惯性/地磁匹配组合方案,提出了一种新的匹配方法.该方法以磁偏角和磁倾角作为匹配参数进行图匹配,获取粗位置信息.以地磁场模型解算地磁场强度的方式来得到精确位置信息.辅以精确计时进而获得速度信息.以地磁系统获取的速度、位置信息与惯导系统输出的速度、位置信息的差值作为量测值,经过卡尔曼滤波,估计导航系统的误差,然后对惯导系统进行校正.在Matlab环境下的仿真证实了该方案可以达到较高精度.     

基于变分贝叶斯的鲁棒自适应因子图优化组合导航算法

复杂环境下的量测粗差和时变噪声严重影响了状态估计的精度和可靠性,对此提出了一种基于变分贝叶斯的鲁棒自适应因子图优化组合导航算法。首先,基于先验和后验两阶段更新将变分贝叶斯推断引入因子图优化框架中,以估计时变量测噪声协方差;其次,利用相邻帧间的平均新息构造量测协方差预测值,作为粗差判据来实现稳健估计。基于INS/GNSS组合导航的仿真和现场实验评估表明,所提方法能在粗差干扰的情况下有效估计时变量测噪声,相比M估计和滑动窗口自适应因子图优化算法的水平定位误差分别减小了26.7%和39.8%,兼顾了估计精度和抗差性能,具有较好的复杂环境适应性。