GPS／INS组合车辆导航系统的两种卡尔曼滤波结构

为了解决GPS信号失锁引起的无法定位和INS积累误差引起的长时间漂移问题,以GPS/INS组合导航系统的数据融合理论作为基础,卡尔曼滤波作为主要融合方法,对进入组合车辆系统的GPS定位数据与INS定位数据分别进行估计、修正和融合,推导出GPS/INS组合导航系统的状态方程、测量方程和递推滤波方程,同时对分散滤波结构和联合滤波结构进行仿真比较,结果表明后者的定位精度高于前者。     

UKF改进算法在组合导航INS误差校正中的应用

针对无迹卡尔曼滤波(Unscented Kalman Filter,UKF)算法与全球定位系统/惯性导航系统(Global Positioning System/Inertial Navigation System,GPS/INS)组合导航模型不匹配,且鲁棒性不足,难以适应INS 元件的随机性和突变性的问题,提出了一种UKF改进算法。该算法有效结合了混合滤波思想、平方根滤波技术及交互式多模型结构,分别克服了算法与线性/非线性模型不匹配,协方差矩阵非正定以及参数设置难以适应模型不确定性的问题。仿真实验分别考察了新算法在INS平台角初始大误差及加速度计零偏突变两种情况下的表现。实验表明,新算法在估计精度及鲁棒性方面比UKF有较大提高,能够有效校正INS元件产生的随机和突变误差。     

H∞滤波在GPS/INS组合导航系统中的应用

针对一类GPS/INS组合导航系统,研究该类系统的H∞滤波问题。建立H∞滤波问题的一个解,并通过仿真证明本文结论的有效性,这对实际中组合导航系统的H∞滤波器设计具有一定的指导意义。     

基于GPSANS实现某自行高炮导航系统的改造设计

为提高某高炮导航性能,在分析GPS和INS导航优缺点的基础上,采取GPS/INS的组合导航方式对某自行高炮的导航系统进行改造.分别介绍了GPS和INS的导航原理,给出GPS/INS组合导航系统的数学模型并对关键技术进行说明,使用自适应卡尔曼滤波对数据进行处理.实验表明该系统改善了炮车单独使用INS造成的误差积累问题.     

JTIDS惯导GPS组合导航算法研究

针对JTIDS相对导航算法在实际应用中存在的不足,比如位置信息更新率较低、无姿态信息等,结合惯导系统、GPS卫导系统的导航优势,研究了JTIDS相对导航与惯导/GPS进行组合的导航算法,对两种导航算法即JTIDS/惯导组合导航算法、JITDS/惯导/GPS组合导航算法进行了仿真对比分析,验证了导航算法的有效性,仿真结果表明组合了GPS的导航算法比没有组合GPS的算法,较大程度提高了定位精度,仿真分析结果为实际工程提供了一定的理论参考。     

混合SRUKF在GPS/INS组合导航中的应用

建立了GPS/INS(Global Positioning System/Inertial Navigation System)紧组合模式下的线性/非线性模型,针对SRUKF(Square Root Unscented Kalman Filter)不能与该模型达到最佳匹配的问题,提出一种基于混合滤波思想的SRUKF.将时间更新分为两个阶段:利用线性状态方程得到状态的一步预测并根据该值构造Sigma点,求取Sigma点加权和以实现对量测值的一步预测.新的算法省去了线性状态方程的UT(Unscented Transform)环节,在保证滤波精度的前提下,降低了计算量.将改进的算法应用于已建立的模型,仿真实验表明,相比于UKF(Unscented Kalman Filter)及SRUKF,该算法不仅能够有效获得导航参数的精确估计,还具有较强的实时性,发挥出了算法的最佳性能.     

UKF在GPS/INS伪距、伪距率组合导航中的应用

扩展卡尔曼滤波（EKF）是GPS／INS组合导航系统中常用的数据融合方式。但是EKF的线性化会带来截断误差,从而影响系统定位精度。不敏卡尔曼滤波（UKF）是一种新的非线性滤波的方法,它能减少线性化截断误差对系统定位精度的影响。文中在线性状态方程的条件下,主要研究了伪距、伪距率的非线性对系统定位性能的影响。UKF采用非线性观测方程,EKF采用线性观测方程。仿真结果表明UKF能明显改善位置项的定位精度。     

一种GPS/INS组合导航缺星情况下的方法研究

为了提高GPS/INS组合导航系统在卫星信号缺失情况下的导航精度,采用基于伪距、伪距率的非线性紧组合模型,利用虚拟卫星法构造虚拟观测量,与真实观测量一起参与滤波。针对非线性滤波应用中的问题,采用强跟踪滤波原理和均方根策略对CKF进行改进。通过仿真实验,验证了改进算法和虚拟卫星法的可行性,在卫星信号缺失情况下可以提高导航精度,提高了组合导航适应复杂环境的能力。     

INS/GPS多传感器车载组合导航系统算法研究

理论分析光纤陀螺和石英挠性加速度计的传感原理,对组合导航系统中的惯性测量单元(IMU)建立相应的误差模型,其误差模型包含了IMU传感器的标度因数的非线性模型、零偏的漂移模型、交叉耦合误差模型和标度因数、零偏的温度模型等。针对建立的误差模型进行误差补偿,同时针对车载环境设计了IMU传感器信号的数字滤波器,提高组合导航系统在车载环境下的适应性。GPS、高度计、里程计等多传感器信息的引入克服了惯性传感器独立长时间导航的发散问题。针对车载组合导航系统的非线性误差模型,设计了UKF组合导航算法,进行仿真和跑车试验,该方法能有效改善组合导航系统在劣等路面跑车试验效果。     

基于自适应滤波器的MIMU/GPS组合系统的研究

设计了微惯性测量单元/卫星导航(MIMU/GPS)组合导航系统原理样机。针对低成本MIMU/GPS组合导航中的Kalman滤波器设计滤波参数(包括系统噪声方差阵Q和测量噪声协方差阵R)影响的问题,系统的分析了Kalman滤波器参数的选取对系统状态变量的估计精度和收敛性能的影响。根据分析设计了自适应估计技术的Kalman滤波器。试验结果表明:对于低成本MIMU/GPS组合导航采用自适应估计技术估计可得到满意的性能,在静态条件下,位置精度优于5 m(标准差),速度精度优于0.1 m/s;系统提供水平姿态角精度优于0.2°;航向角精度优于0.5°(磁罗盘辅助)。     

基于扩展卡尔曼滤波器的超紧耦合GPS/INS组合导航系统设计

提出了一种组合导航设计方案,通过将滤波器得到的多普勒频移信号反馈给GPS接收机跟踪环,实现了超紧耦合,提高了组合导航系统在高动态和干扰条件下的性能.采用了非线性动态模型并对其进行了线性化,提高了导航精度并减小系统计算量;应用用一阶高斯马尔可夫模型描述不同的惯性传感器误差,最后给出了扩展卡尔曼滤波器的具体算法.     

卡尔曼滤波实现车载GPS/DR组合导航

陆地车辆是在二维平面内运动的,而在车载GPS接收机和DR组合装置中,测量值是在不同的坐标系中得到的,通过对坐标系转换和测量误差分析得到组合系统的整体状态方程和测量方程,由于这些状态方程和测量方程都是关于状态的非线性函数,用广义卡尔曼滤波器来实现GPS/DR组合导航的实时求解。最后在行驶车辆上采集数据并进行仿真试验,结果表明这种组合系统能够大大提高系统实时定位精度和容错能力。     

基于无迹卡尔曼滤波的iBeacon/INS数据融合定位算法

针对微机电惯性导航系统(MEMS-INS)定位解算存在积累误差及低功耗蓝牙技术iBeacon指纹定位存在跳变误差等问题,该文提出一种基于无迹卡尔曼滤波器(UKF)的iBeacon/MEMS-INS数据融合定位算法。该算法对iBeacon锚点与定位目标的距离进行解算,利用加速度计和陀螺仪的数据实现姿态阵和位置解算。将蓝牙锚点位置向量、载体速度误差信息等组成状态量,将惯性导航定位信息和蓝牙定位距离信息等组成观测量,设计无迹卡尔曼滤波器,实现iBeacon/MEMS-INS数据融合定位。实验测试结果表明,该算法有效解决MEMS-INS存在较大积累误差及iBeacon指纹定位存在跳变误差的问题,可以实现1.5 m内的定位精度。     

区间Kalman滤波在MSINS／GPS组合导航中的应用

在系统参数不确切已知或随时间变化时传统卡尔曼滤波算法无法直接应用.本文给出了一种处理系统参数不确定性的区间卡尔曼滤波算法, 该算法将参数变化的系统建立成区间模型,并运用了一种较为简单的区间矩阵求逆方案.仿真验证了该算法在低成本MIMU/GPS组合导航数据融合中应用的可行性,在统计最优性能及迭代形式方面与标准卡尔曼滤波算法相当.     

基于UKF算法的被动目标跟踪

对于单站的被动目标跟踪,在笛卡儿坐标系下建立跟踪模型,并用扩展的卡尔曼滤波(EKF)进行预测,得到的结果通常是不稳定且容易发散的。针对这种情况,提出了在修正的极坐标系下建立状态模型,摒弃传统的EKF算法,采用无迹卡尔曼滤波(UKF)算法,通过采样逼近非线性函数。数字仿真结果表明:在修正的极坐标中利用UKF算法得到的结果比EKF算法具有更快的收敛速度和更高的估计精度,且稳定性更好。     

INS/GPS组合导航下机载PD雷达DPCA性能分析

惯导测速误差随着时间逐渐积累,积累误差会导致载机运动补偿失效,从而使得DPCA检测性能下降。针对这一问题,提出采用INS/GPS组合导航系统对载机速度进行测量,能大大提高载机测速精度,有利于DPCA检测低速动目标。在建立雷达回波信号模型和INS/GPS组合导航系统模型的基础上,结合机载PD雷达背景,仿真分析了惯导系统、INS/GPS组合导航系统各自的测速精度以及不同测速精度下的DPCA检测性能。仿真结果表明:采用惯导测速时,测量精度较低,DPCA在此精度下不能检测低速动目标;采用INS/GPS组合导航测速时,测量精度较高,DPCA在此精度下能够检测出低速动目标。     

基于加权自适应平方根容积卡尔曼滤波的GPS/INS组合导航方法

针对GPS/INS组合导航系统中,由于量测噪声统计的不确定性导致平方根容积卡尔曼滤波器(SCKF)滤波精度下降甚至发散的问题,该文提出一种基于加权的自适应SCKF(WASCKF)方法。该方法首先利用移动开窗理论对SCKF新息的协方差阵进行最大似然估计,实现对测量噪声统计特性的在线调整;然后,利用加权理论,依据窗口内不同时刻信息的有用程度的不同而设置相应的权值,增强对窗口内有用信息的利用。最后,将WASCKF方法应用于GPS/INS组合导航系统中进行仿真验证,并与SCKF和ASCKF方法进行比较,结果表明,在测量噪声统计存在不确定情况下,该文所提出方法的速度误差和位置误差的均方根均小于SCKF和ASCKF方法,能够有效地提高GPS/INS组合导航系统对量测噪声统计不确定的自适应能力与导航性能。     

Time Synchronization Error and Calibration in Integrated GPS/INS Systems

The necessity for the precise time synchronization of measurement data from multiple sensors is widely recognized in the field of global positioning system/inertial navigation system (GPS/INS) integration. Having precise time synchronization is critical for achieving high data fusion performance. The limitations and advantages of various time synchronization scenarios and existing solutions are investigated in this paper. A criterion for evaluating synchronization accuracy requirements is derived on the basis of a comparison of the Kalman filter innovation series and the platform dynamics. An innovative time synchronization solution using a counter and two latching registers is proposed. The proposed solution has been implemented with off‐the‐shelf components and tested. The resolution and accuracy analysis shows that the proposed solution can achieve a time synchronization accuracy of 0.1 ms if INS can provide a hard‐wired timing signal. A synchronization accuracy of 2 ms was achieved when the test system was used to synchronize a low‐grade micro‐electromechanical inertial measurement unit (IMU), which has only an RS‐232 data output interface.     

卫星惯性组合定位设备中的数据采集单元设计

介绍了一种卫星/惯性组合导航系统中的数据采集单元的设计过程及其测试结果。系统以低功耗单片机MSP430为控制器,并通过18 bit 8通道同步数据采集芯片AD7609采集三通道加速度计输出,通过串口扩展芯片XR16V554接收三通道数字化光纤陀螺的输出数据,由单片机串口接收GPS接收机的输出数据。单片机将采集到的数据打包后,通过串口输出给导航计算机进行解算。测试表明：表征数据采集单元3个模/数转换通道量化噪声水平的1小时采样数据的1σ标准差最大值为1.76μg(@1 Hz),优于待测加速度计偏置稳定性(1小时采样数据的1σ标准差)为50μg(@1 Hz)的性能指标;数据采集单元同时能完成基于串口通信的陀螺输出信号、GPS接收机输出信号的接收及所有采集信号的正确传输。     

SINS/GPS/TACAN组合导航的联邦卡尔曼滤波方法

针对无人机飞行末段的飞行特点,提出了一种用战术空中导航系统(TACAN)辅助惯性导航系统(INS)、全球卫星定位系统(GPS)的新组合导航模式。详细推导了一种系数加权的联邦卡尔曼算法,并将此算法运用到SINS/GPS/TACAN组合导航中。通过融合导航系统的导航信息估计出组合导航系统的误差状态量,以提高导航系统定位精度。此算法不必计算加权矩阵,从而避免了求解滤波误差方差阵的逆矩阵,运算速度有所提高。仿真计算结果表明,该算法可抑制滤波发散,并提高导航系统的精度和速度,此组合导航模式有较好的容错性和环境适应性,具有实用价值。