基于BP神经网络辅助的车载组合导航算法研究

针对INS/GPS组合导航系统在GPS信号被遮挡时,GPS接收机失锁导致导航精度迅速下降的问题,提出了基于BP神经网络辅助的组合导航算法。即在GPS信号锁定的时候,采用卡尔曼滤波对INS/GPS信号进行数据融合得到实时的精确位置,同时利用组合导航输出信息对BP神经网络进行实时在线训练;一旦GPS失锁,利用之前训练好的神经网络对INS系统进行误差补偿,解决精度迅速下降问题。通过跑车实验证明,速度精度在0.2m/s以内,位置精度为25m以内,该算法对INS/GPS组合导航系统有效。     

RBFNN辅助卡尔曼滤波在GPS/SINS组合导航中的应用

为了克服传统卡尔曼滤波对观测噪声必须为零均值白噪声过程的依赖,针对工作于恶劣环境下的飞行器、舰船等运动载体的组合导航系统,提出了利用神经网络的自学习、自组织、自适应能力来辅助传统卡尔曼滤波器的方法。对所建立的BP神经网络和基于正交最小二乘(OLS)算法的RBF神经网络的收敛速度进行了比较。最终选择收敛较快的RBF神经网络辅助卡尔曼滤波器,仿真结果表明该方法能够抑制滤波器发散,提高了导航定位精度。     

双天线GPS/SINS组合导航系统设计

本系统作为浅组合导航系统的一种,利用了双天线定向GPS与光纤陀螺的组合,以基于DSP+FPGA多处理器结构作为导航计算机平台,在原有的位置与速度基础上加入了姿态作为第三个量测量,应用卡尔曼滤波算法将GPS姿态信息作为对惯性导航系统数据的初始值和修正。设计的系统通过跑车实验验证后表明达到了设计要求,具有实时性好,运算精度高等优点。     

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。     

低成本MEMS陀螺的SINS/GPS/ADS组合导航系统的工程实现

结合工程实际应用,以低成本MEMS陀螺捷联惯性测量单元为主,以GPS,ADS为辅助,设计完成了一套机载组合导航系统。该系统充分考虑了各传感器的优缺点,采用误差补偿技术,保证了系统的精度和可靠性。首先介绍了系统的组成及功能;在此基础上,建立了状态变量为29维的组合系统动态方程,给出了用于卡尔曼滤波的GPS和ADS的误差模型;通过精密三轴转台试验结果表明,组合系统可以进行实时滤波计算,提高了组合系统导航参数精度,具有很好的工程实用性。     

基于NARX神经网络的组合导航系统设计

针对捷联组合导航系统在定位信号无法获取的情况下定位误差大和BP神经网络定位的波动问题提出了基于NARX神经网络的导航算法。该方法在输入端加入输出输入量的时间序列,在定位信号可以获取时间段内对神经网络进行训练,不可获取时使用NARX预测的数据对系统进行补偿,提高定位精度。实验结果表明在30s的失锁时间内NARX神经网络定位精度在3m以内,迭代次数小于15次且数据波动较小,可以准确的预测导航位置。     

平台惯导／GPS组合导航实验研究

本文介绍由某平台惯导系统与ＴＡＮＳⅡ ＧＰＳ接收机组成的组合导航原理样机研制调试情况。首先简要介绍ＩＮＳ和ＧＰＳ接收机通信接口设计；然后是ＩＮＳ／ＧＰＳ组合导航卡尔曼滤波器设计；最后，实验室及车载组合导航实验，验证了组合方案的有效性。研究结论对远程导弹中制导有现实意义。     

SINS/GPS全姿态组合导航系统的UKF算法研究

将UKF算法应用于SINS/GPS全姿态组合导航系统,给出了一种GPS测量姿态角的方法,推导了姿态角误差与平台失准角之间的关系,建立了系统的非线性误差模型,设计了UKF滤波器。仿真结果表明,将UKF算法用于SINS/GPS全姿态组合导航系统可以改善系统的可观测性,提高导航精度。     

基于UPF的GPS/SINS组合导航系统设计

建立了GPS/INS非线性误差模型,利用UPF滤波算法实现了该组合系统定位功能,一方面针对UKF估计误差协方差极易非正定的问题进行了正定化处理;另一方面在粒子滤波环节针对重采样导致的粒子多样性降低的问题,增加了MCMC移动步骤.实验结果表明:应用UPF实现的组合导航系统定位精度明显优于EKF和UKF,且定位误差波动幅度较小,既能够满足非线性系统的导航精度要求,又能够满足定位系统对滤波稳定性的要求.     

基于MIMU/GPS组合导航的箭载姿态测量系统

为了满足探空火箭箭载综合服务系统模块化、小型化的要求,提出了一种基于MIMU/GPS组合导航的箭载姿态测量系统设计方案,并完成系统的软硬件设计.该系统的硬件部分主要采用微型惯性测量单元（MIMU）测量箭体的3轴角速率和3轴加速度,并采用ARM芯片LPC3250作为导航计算机进行系统控制和姿态解算.软件部分采用嵌入式C语言在操作系统uC/OS-Ⅱ上进行编程,能够完成对角速率、加速度和GPS信号的采集,并通过卡尔曼滤波和四元数法实时解算出探空火箭的姿态角、位置和速度.实际测试表明该系统具有集成度高、初始对准速度快、动态范围广、系统误差小、功耗低、重量轻、体积小和可靠性高等特点,能够满足探空火箭应用的要求.     

基于曲线拟合的SINS/GPS紧密组合导航系统

在工程实际应用中,由于GPS、北斗等卫星导航系统的卫星信号传输、导航计算等均需要耗费一定的时间,当用户接收机输出导航信息时已经产生了延时。尤其对于高动态用户,这一输出延时现象将会导致严重的位置误差和速度误差。针对此,提出了基于曲线拟合的SINS/GPS紧密组合导航系统,解决了高动态时GPS延时问题对导航系统的影响,从而通过曲线拟合的方法保证了时间同步的精度。最后对改进后的系统进行了仿真验证,结果表明该系统的水平位置精度、速度精度均得到显著提高,验证了该方法的有效性。     

SINS/GNSS组合导航技术研究

本文分别介绍了SINS和GNSs的工作原理和系统误差.说明了组合导航的必要性;然后从组合导航的方式、信息融合技术等方面.分析了组合导航的相关技术.最后指出了组合导航的发展趋势。     

SINS/GPS/罗兰C／双星多传感器组合导航系统研究

惯导（INS）被认为是自主性最强、隐蔽性最好、应用最广泛，不受外界干扰的导航系统，而捷联惯导（SINS）以其诸多优点，成为惯性导航的一个主要发展方向。本文研究基于集中和联邦滤波的捷联惯导与GPS、罗兰C、双星组合导航系统，利用双星、罗兰C等子系统提供的参数信息对组合导航系统进行集中和联邦卡尔曼滤波，校正捷联惯导系统的误差。在对系统进行了理论仿真、比较的基础上，进行了海上试验，给出了动态试验的结果。理论仿真和基于实测数据的试验结果表明，本文介绍的滤波器是可行的，具有较高的滤波性能和精度，很好地提高了导航系统的可靠性和性能。     

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。     

SINS/EC组合导航系统研究

利用电子罗盘辅助捷联惯导系统构成一种完全自主式的组合导航系统。本文推导了电子罗盘的姿态误差方程，用捷联惯导系统和电子罗盘输出的姿态误差的差值作为组合模式的测量值，利用卡尔曼滤波技术进行误差估计，给出了系统仿真结果。仿真结果表明组合导航系统可有效地减小姿态误差累积。     

工程上实现闭环反馈校正GPS／SINS组合导航系统研究

从工程角度指出ＧＰＳ／ＳＩＮＳ组合模式中反馈校正的必要性，从理论上分析现有的闭环反馈结构及其结论与实现的脱节之处。在此基础上，作者给出了具有实际可行性的闭环反馈结构，然后根据现代控制理论的线性二次型最优指标推导出这种反馈的精度。     

INS／GPS组合导航集中式卡尔曼滤波器的仿真研究

主要研究平台式惯导（INS）和全球定位系统（GPS）组合导航集中式卡尔曼滤波器的实现，其中包括位置组合，速度组合、位置＋速度组合三种组合方式，并给出了相应的仿真结果，研究表明集中式卡尔曼滤波器可以提高导航系统精度。     

基于自适应卡尔曼滤波的RFID/SINS组合导航研究

在室内导航定位中,射频识别(Radio Frequency Identification, RFID)技术具有信号穿透性强、成本低廉等诸多优点,能够有效代替GPS完成室内组合导航。针对室内惯性导航误差发散和滤波中噪声参数不确定的问题,提出了基于自适应卡尔曼滤波(Adaptive Kalman Filtering, AKF)的RFID/SINS组合导航系统,通过RFID定位系统抑制惯性导航误差发散,并应用AKF将噪声参数与量测输出参数关联实现实时更新。对AKF和标准卡尔曼滤波(Kalman Filtering, KF)下的RFID/SINS组合导航系统进行了仿真和实验。结果表明,在AKF下组合导航系统平均定位误差降低了10%,位置稳定性提升了7.4%,定位误差保持在0.07 m左右。基于AKF的RFID/SINS组合导航系统能够满足室内高精度定位导航的需求。     

CDKF在GPS/SINS组合导航系统非线性模型中的应用

GPS/SINS组合导航系统模型的非线性会导致扩展卡尔曼滤波（EKF）的估计精度降低。而中心差分卡尔曼滤波（CDKF）的新型非线性滤波方法,则利用插值公式对非线性系统的状态估计进行逼近,从而减小线性化误差对系统精度的影响。针对GPS/SINS导航系统的特点,建立了一种非线性误差模型,并将EKF与CDKF分别应用于组合导航系统模型中进行仿真比较。仿真结果表明,该算法简单易实现,且能满足系统在非线性模型下的导航要求,并具有较高的精度和收敛性。