GNSS/INS紧组合定位技术简介

随着科学技术的发展,人们对动态载体运动目标的跟踪精度和可靠性要求越来越高,依靠单一传感器进行的导航与跟踪控制已不能满足需要,于是出现了多系统的组合导航。全球卫星导航系统(GNSS)与惯性导航系统(INS)作为当前最常用的两种导航手段具有各自的优缺点,GNSS与INS组合构成的GNSS/INS紧组合导航系统取各子系统之长,在智能车研发、车道级导航及移动地图匹配等方面具有广阔的应用前景,是当前导航技术领域最受关注的研究热点和发展方向之一。     

基于图优化的INS/GNSS深组合导航系统研究

为充分考虑历史信息对未来导航结果的影响,并充分利用更深层次的组合导航信息进行信息融合,提出了一种基于图优化的INS/GNSS深组合导航方法.通过将量测信息和状态传播作为约束信息,在时间域上构建优化代价函数,利用列文伯格-马夸尔特法求解状态的最优估计.通过INS/GPS深组合导航系统仿真实验对该方法进行了评估和分析,仿真...     

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。     

惯性导航位移参数在大地坐标系中的严密计算方法

对高速移动的物体进行连贯、精准的全球实时定位,需要运用在多方面互补的全球导航卫星系统(GNSS)和惯性导航系统(INS)进行组合导航(GNSS/INS)。针对两种导航系统所属坐标基准不统一的问题,提出了以全球导航卫星系统所依据的大地坐标系为基准,将惯性导航系统测得的三轴位移参数转换为参考椭球上沿大地经度、大地纬度和大地高方向位移值的严密计算方法。从而实现该组合导航系统中两种不同基准导航参数的精确融合,进而有效增强了GNSS/INS组合导航系统的精确性、稳定性和可靠性。     

SINS/GNSS/JTIDS紧耦合组合导航技术研究

采用紧耦合技术、非等间隔分散滤波等方法,设计完成 SINS/GNSS/JTIDS 组合导航系统信息融合算法,并在实验室条件下进行了仿真,结果表明系统的滤波算法可靠,导航精度高。     

基于伪距/伪距率双差的INS/GNSS紧组合相对导航算法研究

随着惯导/卫导组合导航技术的发展,将其应用于编队相对导航的研究越来越多。结合卫导差分相对定位、INS/GNSS 组合导航技术,本文将编队成员中主节点和从节点伪距、伪距率的两次差分量直接作为观测量,研究了一种 INS/GNSS 紧组合相对导航新算法。该算法通过两次差分操作可以消除大部分传播路径误差以及公共时钟误差;利用惯导的平滑特性能够消除测量量中的部分随机噪声。仿真结果表明：该算法能够提供精度更高,更加平稳的相对导航信息。     

SINS/GNSS/CNS组合导航系统半物理仿真研究

本文构建了一个 SINS/GNSS/CNS 组合导航系统半物理仿真平台,通过模拟飞机的真实飞行轨迹,在综合考虑各导航源真实误差特性的基础上,采用基于联邦自适应卡尔曼滤波算法,对组合导航系统进行了半实物仿真。仿真结果表明,该方法具有很强的实用性,可以推广到其他组合导航系统的半物理仿真设计中。     

SINS/CNS/SAR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/CNS/GNSS组合导航计算机系统研究

SINS/CNS/GNSS组合导航系统具有全自主、抗干扰能力强、高精度等优点,对导航计算机性能要求高。从组合导航系统对导航计算机的需求出发,本文基于DSP和FPGA设计了高精度、高可靠性、小型化、低成本、低功耗的导航计算机系统。本文首先给出了导航计算机的原理结构框图,并详细介绍了主要功能单元;其次介绍了程序设计的基本思路;最后根据GJB/Z299C-2006提供的数据和方法,计算了导航计算机的可靠性指标MTBF。实际应用结果表明,该导航计算机的处理速度、处理精度、可靠性、成本、体积、功耗等指标均达到组合导航系统要求。     

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。     

G NSS／INS 组合导航接收机技术

全球导航卫星系统（GNSS ）的一个非常重要的应用是与惯性导航系统（INS ）进行组合导航。介绍了GNSS／INS组合导航接收机的工作原理,对接收机的关键技术进行了重点分析,并对其应用前景进行了展望。     

基于小视场星跟踪器的天文/惯性/卫星组合导航系统半实物仿真技术研究

因目前没有针对小视场星跟踪器的室内测试设备,而外场试验和试飞试验成本高、 难度大,为了对组合导航系统的算法和性能进行测试,本文设计了一种基于小视场星跟踪器的天文/惯性/卫星组合导航半实物仿真系统。该系统根据实际采集的导航源数据建立误差仿真模型, 产生仿真数据,结合组合导航系统原理样机中的导航处理器和显控单元实物模块,形成半实物仿真系统。它具有很强的灵活性和可扩展性,可有效地降低组合导航系统的实验成本,缩短研制周期, 对研究组合导航系统的算法性能、系统特性和工程应用等具有重要理论和实践意义。     

惯性/卫星导航系统实际导航性能评估算法

针对惯性/卫星组合导航进行实际导航性能(Actual Navigation Performance,ANP)评估,是保证飞机所需导航性能(Required Navigation Performance,RNP)及航空运行安全的关键.提出了惯性/卫星组合导航系统实际导航性能评估算法,从卡尔曼滤波器位置协方差矩阵开展分析,...     

基于星敏感器的天文/惯导组合导航仿真研究

本文通过仿真实验,研究了基于星敏感器的天文／惯导组合导航系统的导航性能和特点。首先分析了天文导航的基本原理,并给出了天文／惯导组合导航算法的理论模型。在此基础上,建立了天文导航和捷联惯性导航的仿真模型,实现了天文／惯导组合导航系统仿真。仿真结果表明：基于星敏感器的天文／惯导组合导航能够有效抑制惯导的长时漂移累积误差,有利于实现机载远程长航时的高精度导航。     

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。     

基于固定点平滑的CNS/INS一体化偏差标校方法

CNS/INS 一体化偏差是制约组合导航系统精度的重要因素，本文提出一种基于 Kalman 固定点平滑的惯性/天文组合导航系统一体化偏差估计方法。在常规 Kalman 滤波估计流程的基础上，充分利用量测期间的全部观测值对滤波状态参数进一步平滑处理，实现状态参数的最优化估计。仿真结果表明，相比常规 Kalman 滤波算法，该方法可有效提升滤波器状态参数估计的稳定性和精度水平，方法的有效性得到验证。     

Performance Enhancement of MEMS-Based INS/GPS Integration for Low-Cost Navigation Applications

The relatively high cost of inertial navigation systems (INSs) has been preventing their integration with global positioning systems (GPSs) for land-vehicle applications. Inertial sensors based on microelectromechanical system (MEMS) technology have recently become commercially available at lower costs. These relatively lower cost inertial sensors have the potential to allow the development of an affordable GPS-aided INS (INS/GPS) vehicular navigation system. While MEMS-based INS is inherently immune to signal jamming, spoofing, and blockage vulnerabilities (as opposed to GPS), the performance of MEMS-based gyroscopes and accelerometers is significantly affected by complex error characteristics that are stochastic in nature. To improve the overall performance of MEMS-based INS/GPS, this paper proposes the following two-tier approach at different levels: 1) improving the stochastic modeling of MEMS-based inertial sensor errors using autoregressive processes at the raw measurement level and 2) enhancing the positioning accuracy during GPS outages by nonlinear modeling of INS position errors at the information fusion level using neuro-fuzzy (NF) modules, which are augmented in the Kalman filtering INS/GPS integration. Experimental road tests involving a MEMS-based INS were performed, which validated the efficacy of the proposed methods on several trajectories.